mGPfusion: Predicting protein stability changes with Gaussian process kernel learning and data fusion
蛋白质通常被生物化学工业用于许多过程。通过突变改进这些蛋白质的特性也会产生稳定性效应。精确的计算方法来预测突变如何影响蛋白质的稳定性是必要的，以促进有效的蛋白质设计。然而，预测模型的准确性最终受到实验数据有限的限制。我们已经开发了mGPfusion，一种新的高斯过程（GP）的方法，用于预测蛋白质的稳定性变化后，单一和多个突变。该方法以大量的分子模拟数据补充了有限的实验数据。我们引入了一个贝叶斯数据融合模型，重新校准实验和计算机数据源，然后从组合数据中学习预测GP模型。我们的蛋白质特异性模型只需要关于感兴趣的蛋白质的实验数据，即使在很少的实验测量下也表现良好。mGPfusion通过接触图对蛋白质进行建模，并使用混合图核推断突变引起的稳定性效应。我们的研究结果表明，mGPfusion在预测15种不同蛋白质的数据集上的蛋白质稳定性方面优于最先进的方法，并且结合分子模拟数据提高了模型学习和预测准确性。
2018-03-23 q-bio.BM q-bio.QM stat.ML
MUFold-SS: Protein Secondary Structure Prediction Using Deep Inception-Inside-Inception Networks
University of Missouri（密苏里大学）
目的：蛋白质二级结构预测可以为蛋白质三维结构预测和蛋白质功能研究提供重要信息。深度学习已成功应用于图像分类和语音识别等各个研究领域，为显著提高二级结构预测精度提供了新的机会。虽然已经开发了几种深度学习方法用于二级结构预测，但仍有改进的空间。MUFold-SS就是为了解决这些问题而开发的。结果如下：在这里，一个非常深的神经网络，深inception-inside-inception网络（Deep 3 I），提出了蛋白质二级结构预测和软件工具，使用该网络实现。该网络有两个输入：一个蛋白质序列和PSI-BLAST生成的图谱。输出是二级结构的预测八种状态（Q8）或三种状态（Q3）。所提出的Deep 3 I不仅实现了最先进的性能，而且比其他工具运行得更快。Deep 3 I在CB 513基准测试中实现了Q3 82.8%和Q8 71.1%的准确率。
2017-09-12 cs.CV cs.NE q-bio.QM
Predicting diverse M-best protein contact maps
蛋白质接触包含了蛋白质结构和功能研究的重要信息，但从序列信息预测接触仍然是非常具有挑战性的。近年来，进化偶联（EC）分析在多序列序列比对（MSA）中通过检测共同进化的残基（或柱）来预测接触，由于更好的统计评估技术和高通量测序而取得了良好的进展。现有的EC分析方法仅预测给定蛋白质的单个接触图，这可能具有低准确性，特别是当待预测的蛋白质不具有大量序列同源物时。类似于从头折叠通常预测一个给定的蛋白质序列的几个可能的3D模型，本文提出了一种新的结构学习方法，可以预测一组不同的接触图为一个给定的蛋白质序列，其中最好的解决方案通常有更好的精度比第一个。我们的实验测试表明，对于许多测试蛋白质，由我们的方法产生的5个解决方案中的最佳解决方案的准确性至少比第一个好0.1，当评估前L/5或L/10（L是序列长度）预测的长程接触时，特别是对于具有少量序列同源物的蛋白质家族。我们最好的解决方案也比两种流行的EC方法Evfold和PSICOV产生的质量更好。
2015-11-30 q-bio.BM q-bio.QM
Automated and accurate protein structure description: Distribution of Ideal Secondary Structural Units in Natural Proteins
提出了一种新的蛋白质结构自动分析方法，该方法将蛋白质主链简化为三维空间的光滑曲线。为了获得该平滑线，每个氨基酸由其C $_α$原子表示，其用作三次样条拟合的合适锚点。主干线的特征在于弧长$s$、曲率$κ(s)$和扭转$τ(s)$。蛋白质主链的$κ(s)$和$τ(s)$图由于所应用的粗粒化水平而抑制了主链的键框架的细节，然而准确地揭示了蛋白质的所有二级结构特征。APSA的优点是它可以以二维曲率和扭转模式的形式定量表示和分析三维结构，易于可视化复杂的构象特征，并且具有普遍适用性。借助$κ(s)$和$τ(s)$图，对3个$_{10}$ -、$α$ -、$π$ -螺旋和$β$ -链之间的典型差异进行了量化。对于20个蛋白质的测试集，在APSA的帮助下，63%的所有螺旋残基和48.5%的所有延伸残基被鉴定为处于理想的构象环境中。APSA与其他蛋白质结构分析方法进行了比较，并讨论了其对更高层次蛋白质结构的适用性。
2008-11-24 q-bio.QM
Secondary Protein Structure Prediction Using Neural Networks
Northeastern University（东北大学）
在本文中，我们尝试使用神经网络结构来预测蛋白质的二级结构（α螺旋位置）仅从其一级结构（氨基酸序列）。我们实现了一个完全连接的神经网络（FCNN），并使用该FCNN进行了三个实验。首先，我们对在小鼠和人类数据集上训练和测试的模型进行了跨物种比较。其次，我们测试了我们输入到模型中的蛋白质序列的长度变化的影响。第三，我们比较了自定义误差函数，这些函数被设计为关注输入窗口的中心。在论文的最后，我们提出了一种替代的，经常性的神经网络模型，可以应用到这个问题。
2022-08-24 cs.LG q-bio.QM
Protein Secondary Structure Prediction Using Cascaded Convolutional and Recurrent Neural Networks
The University of Hong Kong（香港大学）
蛋白质二级结构预测是生物信息学中的一个重要问题。受深度神经网络最近成功的启发，在本文中，我们提出了一个端到端的深度网络，它可以从集成的局部和全局上下文特征预测蛋白质二级结构。我们的深度架构利用具有不同内核大小的卷积神经网络来提取多尺度局部上下文特征。此外，考虑到氨基酸序列中存在的长程依赖性，我们建立了一个由门控递归单元组成的双向神经网络来捕获全局上下文特征。此外，多任务学习被用来同时预测二级结构标签和氨基酸溶剂可及性。我们提出的深度网络通过实现最先进的性能来证明其有效性，即，在公共基准CB 513上的Q8准确率为69.7%，在CASP 10上的Q8准确率为76.9%，在CASP 11上的Q8准确率为73.1%。我们的模型和结果已公开。
2016-04-25 cs.AI cs.LG cs.NE
Pretata: predicting TATA binding proteins with novel features and dimensionality reduction strategy
Xiamen University（厦门大学）
背景：从新的蛋白质一级序列中发现蛋白质的功能是必要的。湿实验室实验不仅耗时，而且成本高，因此仅基于氨基酸序列可靠地预测蛋白质结构和功能具有重要价值。TATA结合蛋白（TBP）是一类DNA结合蛋白，在转录调控中起着关键作用。我们的研究提出了一个自动化的方法来识别TATA结合蛋白的高效，准确，方便。该方法为计算智能策略识别特定蛋白质提供了指导。结果如下：首先，我们提出了基于伪氨基酸组成、理化性质和二级结构的TBP指纹特征。其次，采用层次特征降维策略进一步提高性能。目前，Pretata实现了92.92%的TATA结合蛋白预测准确率，优于所有其他现有方法。结论：实验结果表明，该方法可以大大提高预测精度和速度，从而使大规模NGS数据预测实用化。开发了一个网络服务器，以方便其他研究人员，可以在http://server.malab.cn/preTata/上访问。
2017-03-07 cs.LG q-bio.BM q-bio.QM
Deep Supervised and Convolutional Generative Stochastic Network for Protein Secondary Structure Prediction
Princeton University（普林斯顿大学）
蛋白质二级结构预测是蛋白质结构预测中的一个基本问题。在这里，我们提出了一个新的监督生成随机网络（GSN）的基础上的方法来预测局部二级结构与深层次的表示。GSN是最近提出的深度学习技术（Bengio & Thibodeau-Laufer，2013），用于全球训练深度生成模型。我们提出了GSN的监督扩展，它学习马尔可夫链从条件分布中采样，并将其应用于蛋白质结构预测。为了将模型扩展到全尺寸的高维数据，例如具有数百个氨基酸的蛋白质序列，我们引入了卷积架构，该架构允许在多层分层表示中进行有效学习。我们的架构独特地专注于预测结构化的低级标签，这些标签通过模型学习的低级和高级表示来通知。在我们的应用中，这对应于标记每个氨基酸残基的二级结构状态。我们在不同的非同源蛋白质组上训练和测试了该模型，这些蛋白质具有小于30%的序列同一性。我们的模型在CB 513数据集上实现了66.4%的Q8准确度，优于先前报道的最佳性能64.9%（Wang et al.，2011）对于这个具有挑战性的二级结构预测问题。
2014-03-06 cs.CE cs.LG q-bio.QM
The evaluation of protein folding rate constant is improved by predicting the folding kinetic order with a SVM-based method
蛋白质折叠是一个非常感兴趣的问题，因为它涉及遗传信息被翻译成具有明确定义的三维（3D）结构和功能的蛋白质的机制。最近的理论模型已经发展到预测的蛋白质折叠速率考虑的过程与拓扑参数的关系，来自天然（原子解决）的蛋白质结构。以前的工作分类蛋白质在两个不同的群体表现出单指数或多指数折叠动力学。众所周知，这两类蛋白质与不同的蛋白质结构特征有关。越来越多的可用实验动力学数据允许应用于机器学习方法的问题，以便从迄今收集的实验数据开始预测折叠过程的动力学顺序。该信息可用于改进折叠速率的预测。在这项工作中，首先，我们描述了一个基于支持向量机的方法（SVM-KO）来预测一个给定的蛋白质的折叠过程的动力学顺序。使用这种方法，我们可以正确分类78%的折叠机构超过一组63个实验数据。其次，重点研究了折叠率对数的预测。该值可以通过基于SVM的方法作为线性回归任务获得。在本文中，我们表明，预测与实验数据的线性相关性可以提高时，回归任务计算超过两个不同的集，而不是一个，他们每个人组成的蛋白质与正确预测的两个状态或多态动力学顺序。
2006-02-13 q-bio.BM q-bio.QM
Comparison of amino acid occurrence and composition for predicting protein folds
背景：从氨基酸序列预测蛋白质的三维结构是计算/分子生物学的一个长期目标。蛋白质折叠的成功识别将有助于提高蛋白质三维结构预测的准确性。结果如下：在这项工作中，我们提出了一种基于线性判别分析（LDA）的方法，用于识别蛋白质属于30个不同的折叠使用的氨基酸残基的出现在一组1612蛋白质。该方法可以区分30种主要折叠类型的球状蛋白，灵敏度为37%，与文献中的其他方法相当或更好。已经开发了用于从氨基酸序列预测蛋白质的折叠类型的网络服务器，并且其可在http://granular.com/PROLDA/获得。结论：基于氨基酸出现率的线性判别分析能成功识别蛋白质折叠。本方法具有几个优点，例如，（i）它直接预测蛋白质的折叠类型而不进行成对比较，（ii）它可以区分大量蛋白质中的折叠，以及（iii）它非常快地获得结果。这是一个简单的方法，可以很容易地结合到任何其他结构预测算法。
2007-05-10 cond-mat.soft nlin.AO q-bio.BM
Protein Secondary Structure Prediction with Long Short Term Memory Networks
University of Copenhagen（哥本哈根大学）；Technical University of Denmark（丹麦技术大学）
从氨基酸序列预测蛋白质二级结构是一个经典的生物信息学问题。常见的方法使用前馈神经网络或SVM与滑动窗口相结合，因为这些模型不能自然地处理顺序数据。递归神经网络是自然处理序列数据的前馈神经网络的推广。我们使用具有长短期记忆细胞的双向递归神经网络来预测二级结构，并使用CB 513数据集进行评估。在二级结构8类问题上，我们报告了比现有技术（0.664）更好的性能（0.674）。我们的模型包括长短期记忆细胞之间的前馈网络，这是一条可以进一步探索的道路。
2015-01-04 cs.LG cs.NE q-bio.QM
RamaDA: complete and automated conformational overview of proteins
蛋白质的三级结构以及局部二级结构的组织完全由肽结合的角度决定。主链二面角不仅决定了蛋白质的整体折叠，而且还决定了局部链结构的细节。虽然在不同的数据库中可以获得丰富的结构信息，并且已经开发了许多结构生物学软件，但是快速的构象表征仍然具有挑战性。我们在这里提出RamaDA，一个程序能够给出一个蛋白质的构象的合成描述。RamaDA程序基于Ramachadran图被分解为七个构象域的模型。在该模型的框架内，给定蛋白质的每个氨基酸被分配到这些结构域之一。根据该分配，可以检测二级结构元件，其准确度与螺旋和延伸链的DSSP程序的准确度相当，并且具有检测PolyProline II二级结构的附加能力。此外，蛋白质的每个氨基酸的z分数的确定强调了元素中的任何不规则性。也可以使用这种分析来检测特征构象模式。在EF-手，钙结合螺旋-环-螺旋结构域的情况下，可以设计环的9个氨基酸的严格一致性。在整个PDB中可以找到523个具有这种模式的钙结合蛋白文件，并且仅检测到2.7%的假阳性命中。RamaDA程序将几种工具集于一身，然后能够给出蛋白质结构的完整信息，包括环和无规卷曲区域。以EF-hands为例，发展了一种很有前途的结构生物学方法。RamaDA可在http://ramada.u-strasbg.fr免费下载和在线使用
2011-11-23 q-bio.BM q-bio.QM
Predicting Protein-Nucleic Acid Flexibility Using Persistent Sheaf Laplacians
本文提出持续层拉普拉斯算子（PSL）框架预测蛋白质-核酸复合物的B因子柔性，整合多尺度与拓扑方法，在三个数据集上较GNM和mFRI最高提升21%的皮尔逊相关系数。
2025-10-23 q-bio.BM q-bio.QM
AI challenges for predicting the impact of mutations on protein stability
Université Libre de Bruxelles（布鲁塞尔自由大学）；Interuniversity Institute of Bioinformatics in Brussels（布鲁塞尔校际生物信息学研究所）
稳定性是蛋白质适应性的关键成分，并且其通过靶向突变的修饰在诸如蛋白质工程、药物设计和有害变体解释的各种领域中具有应用。在过去的几十年里，许多研究致力于建立新的，更有效的方法来预测突变对蛋白质稳定性的影响，基于人工智能（AI）的最新发展。我们讨论了它们的特点，算法，计算效率，并在一个独立的测试集上估计的准确性。我们专注于他们的局限性，对训练集的经常性偏见，他们的概括性和可解释性的批判性分析。我们发现，15年来，预测因子的准确性一直停滞在1千卡/摩尔左右。最后，我们讨论了需要解决的挑战，以达到提高性能。
2021-11-08 cs.LG physics.bio-ph q-bio.BM
Predicting protein functions with message passing algorithms
动机：在过去的几年里，生物学中越来越多的兴趣已经转向从通过大规模和高通量技术产生的大量数据中提取最佳信息的问题。最近，最相关的问题之一已经成为正确和可靠地预测观察到的功能，但仍然功能不明的蛋白质的信息来自网络的共同观察的已知功能的蛋白质。方法：本文提出的方法是基于一种称为置信传播的消息传递算法，该算法将蛋白质物理相互作用的网络和已知蛋白质功能的目录作为输入，并返回每个未分类蛋白质具有一个选定功能的概率。该算法的实现允许快速在线分析，并且可以容易地推广到考虑超图的更复杂的图拓扑，{ \em即}。两个以上相互作用的蛋白质的复合物。
2004-05-07 cond-mat.dis-nn q-bio.QM
OnionNet-2: A Convolutional Neural Network Model for Predicting Protein-Ligand Binding Affinity based on Residue-Atom Contacting Shells
虚拟筛选中的一个关键任务是准确预测蛋白质-配体复合物的结合亲和力（$\triangle$ $G$）。最近，由于深度学习（DL）从原始数据中提取有用特征的非凡能力，它显著提高了评分函数的预测准确性。然而，为了提高预测精度和降低计算成本，在许多方面还需要付出更多的努力。在这项研究中，我们提出了一个简单的评分函数（称为OnionNet-2）基于卷积神经网络预测$\triangle$ $G$。蛋白质与配体相互作用的特征在于蛋白质残基与配体原子在多个距离壳层中的接触数量。与已发布的模型相比，OnionNet-2的功效被证明是两个广泛使用的数据集CASF-2016和CASF-2013基准的最佳。OnionNet-2模型通过对接计划的非实验诱饵结构和CSAR NRC-HiQ数据集（CSAR提供的高质量数据集）进行了进一步验证，取得了很大的成功。因此，我们的研究提供了一个简单而有效的评分函数预测蛋白质-配体结合自由能。
2021-03-22 q-bio.QM
Leveraging Machine Learning Models for Peptide-Protein Interaction Prediction
本文综述了利用机器学习和深度学习模型预测肽-蛋白质相互作用的方法，旨在克服传统计算成本高、柔性大等挑战，并提升预测的准确性、鲁棒性与可解释性。
2024-02-07 q-bio.BM q-bio.QM
Predicting protein-protein interactions based on rotation of proteins in 3D-space
Shiraz University of Medical Science（设拉子医科大学）；University of Tehran（德黑兰大学）
蛋白质相互作用（PPI）在生物学功能中发挥重要作用。虽然已经开发了一些实验技术来检测PPI，但它们具有高假阳性率和高假阴性率。因此，近年来一直致力于开发利用各种信息源预测相互作用的计算方法。因此，已经设计了基于蛋白质序列信息的独特类别的预测方法。然而，找到合适的特征编码来表征蛋白质序列是此类方法中的主要挑战。在所提出的工作中，提出了一种基于序列的方法来预测蛋白质相互作用使用N-Gram编码方法来描述氨基酸和松弛变量核密度估计（RVKDE）作为机器学习工具。此外，由于蛋白质可以在三维空间中旋转，因此氨基酸组成被认为具有“无向”性质，这导致向量空间的维数降低。结果表明，我们提出的方法实现了预测性能的优越性，提高了人类蛋白质参考数据集（HPRD）的F-措施2.5%。
2017-12-22 cs.LG q-bio.QM
A novel method for predicting transmembrane segments in proteins based on a statistical analysis of the SwissProt database: the PRED-TMR algorithm
我们提出了一种新的方法，预测跨膜结构域的蛋白质中使用的序列本身所包含的信息。所描述的PRED-TMR算法通过检测跨膜区域的潜在末端（“边缘”，起始和结束）来改进标准疏水性分析。这使得人们既可以丢弃不被明确的起始和终止构型所界定的高度疏水区域，又可以确认不被其疏水组成所区分的推定的跨膜区段。101个非同源跨膜蛋白的可靠拓扑结构的测试集上获得的准确性比较以及与其他流行的现有方法。当将该算法应用于SwissProt数据库（第35版）的所有跨膜蛋白时，仅观察到预测准确性略有下降。运行PRED-TMR算法的WWW服务器可在http://o2.db.uoa上获得。gr/PRED-TMR/
2016-05-09 q-bio.QM
DeepGO: Predicting protein functions from sequence and interactions using a deep ontology-aware classifier
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
大量的蛋白质序列通过应用新的高通量测序技术而变得可用。这些蛋白质的实验功能表征是耗时和昂贵的，并且通常仅对少数选定的模式生物进行严格的测试。计算功能预测方法已被建议来填补这一空白。蛋白质的功能使用基因本体（GO）进行分类，其中包含40，000多个类。此外，蛋白质具有多种功能，这使得功能预测成为一个大规模、多类别、多标签的问题。我们已经开发了一种新的方法来预测蛋白质的功能从序列。我们使用深度学习从蛋白质序列以及跨物种蛋白质相互作用网络中学习特征。我们的方法专门输出GO结构中的信息，并利用GO类之间的依赖关系作为背景信息来构建深度学习模型。我们使用功能注释计算评估（CAFA）建立的标准评估我们的方法，并证明了与基线方法（如BLAST）相比的显着改进，预测细胞位置的显着改进。
2017-05-15 cs.LG q-bio.GN q-bio.QM
Adaptive Residue-wise Profile Fusion for Low Homologous Protein SecondaryStructure Prediction Using External Knowledge
Shenzhen Research Institute of Big Data（深圳大数据研究院）；Tencent AI Lab（腾讯人工智能实验室）；CryoEM Center, SUSTech（南方科技大学冷冻电镜中心）
蛋白质二级结构预测（PSSP）是蛋白质功能分析的基础。然而，对于低同源性蛋白质，PSSP遭受不足的输入特征。在本文中，我们显式地导入外部自监督知识的指导下，低同源PSSP残留明智的轮廓融合。在实践中，我们首先证明了在低同源PSSP的位置特异性评分矩阵（PSSM）的配置文件的优越性。基于这一观察，我们引入了新的自监督BERT特征作为伪轮廓，其隐含地涉及所有本地发现序列中的残差分布作为互补特征。此外，一种新的残差式注意力被专门设计用于自适应地融合不同的特征（即，原始低质量轮廓、基于BERT的伪轮廓），其不仅充分利用了每个特征，而且避免了噪声干扰。此外，提出了特征一致性损失，从多个语义层次加速模型学习。大量的实验证实，我们的方法优于现有技术（即，在BC40数据集上非常低的同源性病例为4.7%）。
2021-08-05 cs.AI cs.LG q-bio.QM
RinQ: Towards predicting central sites in proteins on current quantum computers
RinQ是一个混合量子-经典框架，将蛋白质中心性检测转化为QUBO问题，利用D-Wave模拟退火求解，在多种蛋白质上准确识别关键残基，与经典基准高度一致。
2025-09-02 cond-mat.soft physics.bio-ph q-bio.QM
Predicting disease-related genes by path-based similarity and community structure in protein-protein interaction network
基于网络的计算方法预测与某些疾病相关的未知基因对于揭示人类疾病的分子基础具有重要意义。本文提出了一种新的疾病基因预测方法，将基于路径的相似性与人类蛋白质相互作用网络中的社团结构相结合。首先，我们介绍了一组基于路径的相似性指标，一种新的基于社区的相似性指标，并结合基于路径的相似性指标的新的相似性。然后，我们评估的措施，区分疾病基因和非疾病基因的统计显著性，以确认其在预测疾病基因的可用性。最后，将这些测度应用于单基因家系的疾病基因预测，并详细分析了这些测度在疾病基因预测中的性能，特别是社区结构对预测性能的影响。结果表明，与相同或相似疾病相关的基因通常位于蛋白质相互作用网络的同一个社区中，社区结构对疾病-基因预测有很大帮助。
2017-07-21 physics.data-an q-bio.MN q-bio.QM
Classification of Supersecondary Structures in Proteins Using the Automated Protein Structure Analysis Method
自动蛋白质结构分析（APSA）方法用于超二级结构的分类。分类的基础是将三维（3D）残基构象编码为16个字母的代码（3D-1D投影）。它表明，蛋白质的字母代码使其能够重建其整体形状没有歧义（1D-3D翻译）。因此，字母代码用于开发分类规则，通过其转角的性质和侧翼螺旋或链结构的方向来区分超二级结构。转向和侧翼结构的方向被收集在一个八分圆系统中，该系统有助于指定196个超二级群为（α，α）-，（α，β）-，（β，α）-，（β，β）-类。共分析了391条蛋白质链，得到2499个超二级结构。在八分体分类系统的帮助下鉴定了经常出现的超二级结构，并根据它们的字母和分类代码进行了解释。
2008-11-24 q-bio.QM
High Quality Prediction of Protein Q8 Secondary Structure by Diverse Neural Network Architectures
Columbia University（哥伦比亚大学）；Ben Gurion University（本古里安大学）
我们使用一个通用的任务框架来解决蛋白质二级结构预测的问题。这导致了基于最先进的构建块的神经架构的多个想法的引入，首次用于这项任务。我们采用原则性的机器学习方法，提供真实、公正的性能指标，纠正应用领域中的长期错误。我们专注于二级结构的Q8分辨率，这是一个不断改进方法的活跃领域。我们使用一个强预测器的集合来实现70.7%的准确率（在使用CB6133过滤训练集的CB513测试集上）。这些结果在统计学上与现有的顶级预测因素没有区别。本着可重复研究的精神，我们提供数据、模型和代码，旨在为训练集和测试集的纯度设定黄金标准。这种良好做法降低了进入这一领域的门槛，并促进了可复制、可扩展的研究。
2018-11-17 cs.LG q-bio.QM stat.ML
DeepECMP: Predicting Extracellular Matrix Proteins using Deep Learning
细胞外基质（extracellular matrix，ECM）是由蛋白质和碳水化合物组成的具有结构和生化功能的网络。ECM在分化、迁移和信号传导中起重要作用。一些研究已经使用机器学习算法预测ECM蛋白，如随机森林，K-最近邻和支持向量机，但尚未使用深度学习进行探索。方法：DeepECMP是使用几个以前使用的ECM数据集，不对称欠采样和11个前馈神经网络的集成开发的。结果：DeepECMP的性能为83.6%，优于几种算法。此外，DeepECMP的管道已被证明是高效的。结论：本文是第一篇专注于利用深度学习进行ECM预测的论文。DeepECMP克服了一些限制，例如计算费用，对公众的可用性和人类物种之外的可用性
2022-02-16 cs.LG q-bio.QM
Benchmarking AlphaFold3's protein-protein complex accuracy and machine learning prediction reliability for binding free energy changes upon mutation
本文基于SKEMPI 2.0数据库系统评估AlphaFold3预测蛋白质-蛋白质复合物结构用于突变结合自由能变化预测的可靠性，发现其相关系数略低于PDB结构且RMSE升高8.6%，并揭示其在柔性区域存在未被ipTM反映的较大误差。
2024-06-06 math.AT q-bio.BM q-bio.QM
Predicting the Risk of Ischemic Stroke in Patients with Atrial Fibrillation using Heterogeneous Drug-protein-disease Network-based Deep Learning
研究提出深度学习模型ABioSPATH，通过整合药物-蛋白质-疾病多层网络与真实世界电子病历数据，预测心房颤动患者的一年缺血性脑卒中风险，在多医院数据上超越基线并提供分子级临床见解。
2024-08-26 q-bio.QM
Multi-channel neural networks for predicting influenza A virus hosts and antigenic types
University of Liverpool（利物浦大学）
流感每个季节都会发生，偶尔会引起大流行。尽管流感的死亡率很低，但它是一个主要的公共卫生问题，因为它可以并发肺炎等严重疾病。一种快速、准确、低成本的方法来预测流感病毒的起源宿主和亚型，有助于减少病毒传播，使资源贫乏的地区受益。在这项工作中，我们提出了多通道神经网络来预测抗原类型和宿主的甲型流感病毒的血凝素和神经氨酸酶蛋白质序列。使用包含完整蛋白质序列的整合数据集来产生预训练模型，并且使用另外两个数据集来测试模型的性能。一个测试集包含完整的蛋白质序列，另一个测试集包含不完整的蛋白质序列。结果表明，多通道神经网络是适用和有前途的预测流感病毒宿主和抗原亚型的完整和部分蛋白质序列。
2022-07-29 cs.LG q-bio.QM
SCMPPI: Supervised Contrastive Multimodal Framework for Predicting Protein-Protein Interactions
Cuiying Honors College（萃英学院）；Lanzhou University（兰州大学）；City University of Hong Kong（香港城市大学）；School of Mathematics and Statistics（数学与统计学院）
SCMPPI是一种监督对比多模态框架，通过融合序列特征与网络拓扑并引入负样本过滤的对比学习策略，在8个基准数据集上实现了98.13%的准确率和99.69%的AUC，展现出卓越的跨物种泛化能力与疾病靶点发现潜力。
2025-04-27 cs.AI cs.LG q-bio.QM
Predicting Transcription Factor Specificity with All-Atom Models
转录因子（TF）与DNA操纵子位点的结合可以启动或抑制基因的表达。传统上，TF识别的位点的计算预测依赖于几个同源位点的知识，而不是从头开始的方法。在这里，我们研究了使用基于结构的能量计算的可能性，不需要结合位点的知识，而是从蛋白质-DNA复合物的结构开始。我们研究了PurRE。大肠杆菌TF，并探讨在何种程度上原子模型的蛋白质-DNA复合物可以用来区分同源和非同源DNA位点。特别强调的是，这种方法的系统评价，通过比较其性能与生物信息学方法，通过测试它对随机诱饵和网站的同源TF。我们还研究了DNA和蛋白质中的一组实验突变。使用我们明确的能量估计，我们表明，PurR的特异性主要是由直接的蛋白质-DNA相互作用，弱的DNA弯曲的影响。
2008-09-24 physics.bio-ph q-bio.BM q-bio.QM
FAPS: A Fast Platform for Protein Structureomics Analysis
针对结构组学缺乏便捷分析工具的问题，研究团队开发了FAPS数据库平台，整合模拟与实验来源的蛋白质二级结构数据，将大规模结构组学分析从数周缩短至数秒，提供便捷的数值与可视化参考。
2025-06-11 q-bio.QM
Application of Sequence Embedding in Protein Sequence-Based Predictions
在基于序列的预测中，传统上输入序列由多序列比对（MSA）或源自MSA的表示（例如位置特异性评分矩阵）表示。最近，受自然语言处理发展的启发，序列嵌入的一些应用已经被观察到。本文综述了蛋白质序列嵌入的不同方法及其应用，包括蛋白质接触预测、二级结构预测和功能预测。
2021-10-14 q-bio.QM
Fast and accurate multivariate Gaussian modeling of protein families: Predicting residue contacts and protein-interaction partners
在进化过程中，蛋白质的三维结构和生物学功能具有显著的保守性，导致同源蛋白质之间的序列变异受到很强的进化约束。我们的方法旨在从快速积累的序列数据中提取这些约束，从而仅从序列信息推断蛋白质结构和功能。近年来，全局统计推断方法（如直接耦合分析、稀疏逆协方差估计等）在这方面取得了突破性进展，并成功地应用于蛋白质结构预测的三级和四级蛋白质结构预测方法中。然而，由于潜在变量（氨基酸）的离散性，精确推断需要蛋白质长度的指数时间，并且需要有效的近似以用于实际应用。在这里，我们提出了一个非常有效的多元高斯建模方法作为直接耦合分析的一个变种：离散的氨基酸变量被连续的高斯随机变量所取代。由此产生的统计推断问题是有效的，准确地解决。我们表明，推理的质量是可比的或优于一个实现的平均场近似推理与离散变量，直接耦合分析。这对于（i）蛋白质中残基-残基接触的预测和（ii）细菌信号转导中蛋白质相互作用伙伴的鉴定是正确的。我们的多元高斯方法的实现可在网站http://areeweb.polito.it/ricerca/cmp/code上获得
2014-04-04 cond-mat.dis-nn q-bio.QM stat.ME
Prediction of Protein Aggregation Propensity via Data-driven Approaches
本研究利用两类数据库构建数据驱动模型预测蛋白质聚集倾向，开发了基于特征和图的模型，发现基于图的回归模型表现更优（R2为0.95），并指出有效方法取决于描述符和数据库类型。
2023-04-06 physics.bio-ph physics.data-an q-bio.QM
FoldSAE: Learning to Steer Protein Folding Through Sparse Representations
University of Warsaw（华沙大学）；Warsaw University of Technology（华沙理工大学）；Helmholtz Munich（赫尔姆霍兹慕尼黑中心）；IDEAS Research Institute（IDEAS研究所）
将稀疏自编码器应用于RFdiffusion的内部表示，发现二级结构特征，并提出一种可调超参数的引导机制，实现对蛋白质二级结构形成的精确控制，提高模型可解释性。
2026-06-07 q-bio.QM
Predicting membrane protein contacts from non-membrane proteins by deep transfer learning
Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）；University of Chicago（芝加哥大学）；University of Hong Kong（香港大学）
膜蛋白（MP）结构的计算预测是非常具有挑战性的，部分原因是缺乏足够的解决结构的同源建模。最近，直接进化偶联分析（DCA）揭示了一些光蛋白质接触预测，因此，接触辅助折叠，但DCA是有效的，只有在一些非常大的家庭，因为它只使用在一个单一的蛋白质家族的信息。本文提出了一种深度迁移学习方法，通过从数千种非膜蛋白（non-MP）中学习接触模式和复杂的序列-接触关系，可以显著改善MP接触预测。在510个非冗余MP上进行测试，我们的深度模型（仅从非MP学习）具有最高的L/10长距离接触预测精度0.69，优于我们仅由MP训练的深度模型（0.63），并且远远优于代表性的DCA方法CCMpred（0.47）和CASP 11获奖者MetaPSICOV（0.55）。当由非MP和MP混合训练时，我们的深度模型的准确性可以进一步提高到0.72。当仅评估跨膜区域中的接触时，当分别由非MP和MP的混合、仅由非MP和仅由MP训练时，我们的方法具有最高L/10远程准确度0.62、0.57和0.53，仍然比MetaPSICOV（0.45）和CCMpred（0.40）好得多。所有这些结果表明，我们的深度模型从非MP学习到的序列-结构关系可以很好地推广到MP接触预测。改进的接触预测还导致更好的接触辅助折叠。仅使用最高预测联系人作为约束，当仅由非MP训练时，我们的深度学习方法可以折叠TMscore>0.6的510个MP中的1…
2017-04-24 cs.LG cs.NE q-bio.BM
Predicting protein contact map using evolutionary and physical constraints by integer programming (extended version)
Toyota Technological Institute at Chicago（芝加哥丰田工业大学）
动机蛋白质接触图描述了蛋白质中残基的空间和功能关系，包含了蛋白质三维结构预测的关键信息。尽管已经被广泛研究，但仅使用序列信息预测接触图仍然非常具有挑战性。现有的方法大多是逐元素地预测接触图矩阵，忽略了接触之间的相关性和整个接触图的物理可行性。最近的几种方法预测接触地图的基础上残基的共同进化，考虑到接触相关性和执行稀疏约束，但这些方法需要非常大量的序列同源物的蛋白质在考虑和所得的接触地图可能仍然是物理上不利的。结果本文提出了一种新的方法PhyCMAP接触地图预测，集成了机器学习和整数线性规划（ILP）的进化和物理约束。进化约束包括序列特征、残基协同进化和环境特异性统计势。物理约束比稀疏约束更具体地描述了接触之间的关系。因此，我们的方法大大减少了接触映射矩阵的解空间，从而显着提高了预测精度。实验结果证实，PhyCMAP优于目前流行的方法，无论有多少序列同源物可用于所考虑的蛋白质。PhyCMAP可以在PSIBLAST搜索序列同源物后几分钟内预测接触，比最近的两种方法PSICOV和EvFold快得多。有关Web服务器，请参见http://raptorx.uchicago.edu。
2013-08-19 cs.CE cs.LG math.OC
GDGRU-DTA: Predicting Drug-Target Binding Affinity Based on GNN and Double GRU
Hunan Normal University（湖南师范大学）
预测药物和靶点亲和力（DTA）的工作对于药物开发和再利用至关重要。在这项工作中，我们提出了一种称为GDGRU-DTA的新方法来预测药物与靶标之间的结合亲和力，该方法基于GraphDTA，但我们认为蛋白质序列是长序列，因此简单的CNN不能很好地捕获蛋白质序列中的上下文依赖性。因此，我们通过将蛋白质序列解释为时间序列并使用门递归单元（GRU）和双向门递归单元（BiGRU）提取其特征来改进它。对于药物，我们的处理方法与GraphDTA类似，但使用了两种不同的图形卷积方法。随后，药物和蛋白质的表示被连接起来用于最终预测。我们在两个基准数据集上评估了所提出的模型。我们的模型优于一些最先进的深度学习方法，结果证明了我们模型的可行性和出色的特征捕获能力。
2022-04-25 cs.AI cs.LG q-bio.QM
When $B_2$ is Not Enough: Evaluating Simple Metrics for Predicting Phase Separation of Intrinsically Disordered Proteins
本文评估了回转半径、第二维里系数和新提出的消耗密度等简单度量对固有无序蛋白相分离的预测能力，发现消耗密度兼具简单、低成本和准确性优势，并超越二元分类，可用于快速筛选相行为及预测其他性质。
2025-07-17 cond-mat.soft cond-mat.stat-mech q-bio.QM
BridgeDPI: A Novel Graph Neural Network for Predicting Drug-Protein Interactions
SenseTime Research（商汤科技研究院）；School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）；Qing yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清源研究院）
动机：探索药物-蛋白质相互作用（DPI）是药物发现的关键步骤。可用生物数据的快速扩展使得计算方法能够有效地辅助实验方法。其中，深度学习方法只从基本特征中提取特征，如蛋白质序列、分子结构等。其他人通过不仅从序列/分子，而且从蛋白质-蛋白质和药物-药物关联（PPA和DDA）中学习来实现显着改善。PPA和DDA通常通过使用计算方法获得。然而，现有的计算方法有一定的局限性，导致低质量的PPA和DDA，阻碍了预测性能。因此，我们希望开发一种新的监督学习方法来有效地学习PPA和DDA，从而提高DPI特定任务的预测性能。结果：在这项研究中，我们提出了一种新的深度学习框架，即BridgeDPI。BridgeDPI引入了一类名为超节点的节点，它们将不同的蛋白质/药物连接起来，作为PPA和DDA。由于整个过程是端到端的学习，因此可以针对DPI的特定任务监督学习超节点。因此，这样的模型将提高DPI的预测性能。在三个真实世界的数据集中，我们进一步证明了BridgeDPI优于最先进的方法。此外，消融研究验证了超节点的有效性。最后，在一项独立的验证中，BridgeDPI探索了COVID-19蛋白质与各种抗病毒药物之间的候选结合。预测结果符合世界卫生组织和美国食品药品监督管理局的声明，表明BridgeDPI的有效性和可靠性。
2021-01-29 cs.LG cs.SI q-bio.QM
Exploring the limits of pre-trained embeddings in machine-guided protein design: a case study on predicting AAV vector viability
LASIGE, Faculdade de Ciências da Universidade de Lisboa（里斯本大学科学院LASIGE研究所）
本研究评估了多种ProtBERT和ESM2嵌入变体在蛋白质序列表示中的表现，发现氨基酸级嵌入在监督任务中优于序列级嵌入，但需通过任务特定标签微调才能达到最佳性能。
2026-02-16 cs.LG q-bio.QM
SPLDExtraTrees: Robust machine learning approach for predicting kinase inhibitor resistance
Tencent Quantum Laboratory（腾讯量子实验室）；Tsinghua University（清华大学）
耐药性是对全球健康的主要威胁，也是贯穿疾病临床治疗和药物开发的重要问题。与药物结合相关的蛋白质突变是适应性耐药的常见原因。因此，定量评估突变如何影响药物与靶蛋白之间的相互作用对于药物开发和临床实践具有重要意义。依赖于分子动力学模拟、Rosetta协议以及机器学习方法的计算方法已被证明能够预测蛋白质突变后的配体亲和力变化。然而，严重有限的样本大小和严重的噪声引起的过拟合和泛化问题阻碍了机器学习在研究耐药性方面的广泛采用。在本文中，我们提出了一个强大的机器学习方法，称为SPLDExtraTrees，它可以准确地预测蛋白质突变后配体结合亲和力的变化，并识别耐药突变。特别是，所提出的方法按照特定的方案对训练数据进行排名，该方案从易于学习的样本开始，逐渐将更难和不同的样本纳入训练，然后在样本权重重新计算和模型更新之间进行迭代。此外，我们计算了额外的基于物理的结构特征，为机器学习模型提供了关于蛋白质的有价值的领域知识，用于这种数据有限的预测任务。实验证实了所提出的方法预测激酶抑制剂耐药的能力在三种情况下，并实现预测精度可比的分子动力学和Rosetta方法，计算成本少得多。
2022-01-14 cs.LG q-bio.QM
tcrLM: a lightweight protein language model for predicting T cell receptor and epitope binding specificity
本研究针对TCR多样性导致抗原-TCR结合预测困难的问题，提出轻量级掩码语言模型tcrLM，通过掩码训练、虚拟对抗训练及基于超1亿条序列的预训练，在多测试集上性能优于现有方法和主流蛋白语言模型，还可指示免疫治疗反应与临床结果。
2025-11-08 cs.AI q-bio.QM
Multiscale Graph Neural Networks for Protein Residue Contact Map Prediction
University of Southern California（南加州大学）；Hood College（胡德学院）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
机器学习（ML）正在彻底改变蛋白质结构分析，包括预测蛋白质残基接触图的重要子问题，即，所述氨基酸残基在给定蛋白质的氨基酸序列的情况下在空间上非常接近。尽管最近在基于ML的蛋白质接触预测方面取得了进展，但预测具有广泛距离的接触（通常分为短距离接触、中距离接触和长距离接触）仍然是一个挑战。在这里，我们提出了一种基于多尺度图神经网络（GNN）的方法，从多尺度物理模拟中获得线索，其中涉及经常性神经网络（RNN）的标准管道用三个GNN增强，以分别改进短，中，长距离残基接触的预测能力。ProteinNet数据集上的测试结果显示，使用所提出的多尺度RNN+GNN方法，所有范围的接触的准确性都比传统方法有所提高，包括最具挑战性的长距离接触预测情况。
2022-12-22 cs.AI cs.LG q-bio.QM
