Structural Investigations into Shwachman Bodian Diamond Syndrome SBDS using a Bioinformatics Approach
导致疾病的错义突变的功能相关性仍然是理解遗传疾病基础的挑战。这对于与疾病相关的蛋白质尤其如此,对于这些蛋白质没有可用的三维结构。一种这样的疾病是Shwachman Diamond综合征SDS OMIM 260400,一种由功能突变丧失引起的多系统疾病。智人Shwachman Bodian钻石综合征基因hSBDS负责SDS。hSBDS在所有组织中表达并编码250个氨基酸的蛋白质SwissProt登录号Q9Y3A5。疾病相关等位基因的序列分析已经在受影响的个体中鉴定出20多种不同的突变。虽然许多这些突变已被描述为由于截短、翻译或表面表位缔合而导致蛋白质功能丧失,但由于SBDS缺乏三维结构,这些突变的结构基础尚未确定。
2010-01-30 q-bio.BM
Structural Property Prediction
本书为结构生物信息学提供入门介绍,涵盖蛋白质结构量化、预测及模拟,并重点讲解利用机器学习预测二级结构、表面可及性等结构性质的方法,以及交叉验证和基准测试概念。
2023-09-06 q-bio.BM
RNA secondary structures: from ab initio prediction to better compression, and back
在本文中,我们将生物领域知识结合到随机模型中用于从头RNA二级结构预测,以改进RNA序列和结构数据的联合压缩的现有技术(Liu等人,BMC Bioinformatics,2008)。此外,我们表明,相反,压缩比可以作为比较不同随机模型预测质量的廉价且强大的代理,这可能有助于指导寻找更好的RNA结构预测模型。我们的研究结果建立在RNA二级结构的专家随机上下文无关语法模型(Dowell & Eddy,BMC Bioinformatics,2004; Nebel & Scheid,Theory in Biosciences,2011)上,并结合了不同的(静态和自适应)规则概率和算术编码模型。我们提供了一个原型实现和广泛的实证评估,我们说明了语法功能和概率模型如何影响压缩比。
2023-02-22 cs.IT math.IT q-bio.BM
Introduction to Protein Structure
本书作为结构生物信息学入门教材,系统介绍蛋白质结构量化、预测及模拟与动力学的计算技术,并提供实用应用指导。
2023-07-06 q-bio.BM
Counterions in RNA structure: Structural bioinformatics analysis to identify the role of Mg2+ ions in base pair formation
本研究通过分析1541个非冗余RNA晶体结构,统计Mg2+结合与碱基对稳定性关系,发现Mg2+不影响经典G:C W:WC碱基对,但多数非经典G:G W:HC碱基对存在镁离子与鸟嘌呤O6或N7原子结合。
2024-07-25 q-bio.BM
Abstractions, Algorithms and Data Structures for Structural Bioinformatics in PyCogent
为了促进灵活和有效的结构生物信息学分析,PyCogent引入了三维结构处理和分析的新功能,PyCogent是一个流行的功能丰富的基于序列的生物信息学框架,但缺乏同样强大的工具来处理结构/坐标数据。可扩展的Python模块已经开发出来,它提供面向对象的抽象(基于大分子的分层表示),高效的数据结构(例如kD树),常见算法的快速实现(例如表面积计算),对蛋白质数据库相关文件格式的读/写支持和外部命令行应用程序的包装器(例如Stride)。将此代码集成到PyCogent中是共生的,允许基于序列的工作受益于结构衍生数据,并且使结构研究能够利用PyCogent的多功能工具进行系统发育和进化分析。
2014-07-19 cs.DS cs.SE q-bio.BM
Structure determination
虽然有许多关于蛋白质结构,分子模拟,热力学和生物信息学方法的好教科书,但在结构生物信息学领域没有好的入门级书籍。这本书的目的是给一个结构生物信息学,这是以前的主题满足通过计算分析探索三维蛋白质结构的介绍。我们提供了现有的计算技术的概述,验证,模拟,预测和分析蛋白质结构。更重要的是,它旨在提供关于如何以及何时使用这些技术的实用知识。我们将从三个主要的优势点考虑蛋白质:蛋白质结构定量,蛋白质结构预测,蛋白质模拟和动力学。这项工作的主要重点是提供一个蛋白质结构测定的实验技术的背景。重点是X射线晶体学和核磁共振光谱(NMR),这是迄今为止用于确定可溶性蛋白质结构的主要方法。我们还将介绍低温电子显微镜(cryo-EM)和电子衍射,它们更适合于分析膜蛋白和较大的蛋白质复合物。最后,总结了更多的定性技术,用于获得对蛋白质的整体结构和动力学的洞察。请注意,这篇蛋白质结构测定的介绍旨在让读者熟悉不同的实验技术,它们的优点和瓶颈,但对这一概念的全面数学和技术描述超出了本文的范围。
2021-08-05 q-bio.BM
Structure Alignment
本书作为结构生物信息学入门教材,系统介绍蛋白质结构量化、预测和模拟的计算方法,并重点阐明结构比对相比序列比对在发现远缘蛋白质相似性方面的独特价值。
2023-07-06 q-bio.BM
Thermodynamics of Protein Folding
本文作为结构生物信息学教材章节,从熵和焓的角度深入阐述蛋白质折叠中的自由能,并讨论温度对自由能景观及微观与宏观状态的影响。
2023-07-06 q-bio.BM
Molecular Dynamics
本书作为结构生物信息学入门教材,系统介绍蛋白质结构量化、预测及分子动力学模拟的计算方法,并通过MD模拟研究蛋白质动态行为及其应用。
2023-07-06 q-bio.BM
Protein structure prediction software generate two different sets of conformations. Or the study of unfolded self-avoiding walks
自避免行走(SAW)是概率和枚举组合学中非常困难的问题的来源。由于它们是生物信息学中蛋白质结构预测的基础,因此也引起了极大的兴趣。这篇文章的作者之前已经表明,根据预测算法,获得的构象集不同:所有的自避免行走可以使用基于拉伸的算法来实现,而只有折叠的SAW可以使用迭代折叠直线的方法来实现。本文首次对(非)折叠式自我回避行走进行了研究。的贡献主要是什么是目前已知的这些集的调查。特别是,我们提供了清晰的定义,各种子集的自避免步行有关的枢轴移动(折叠或unfoldable锯,等)。以及我们在这些集合上从理论上或计算上获得的第一个结果。一个开放的问题列表也提供了,和后果的蛋白质结构预测问题的最后调查。
2013-06-06 q-bio.BM
Protein Structure Prediction Using Basin-Hopping
联想记忆哈密顿结构预测潜力并不过于崎岖,从而表明它们的景观就像那些实际的蛋白质。在目前的贡献,我们展示了如何盆跳跃全局优化可以识别相应的轻度受挫的能量景观的低洼的最小值。对于小系统的盆跳跃算法成功地定位较低的最小值和构象更接近实验结构比分子动力学与模拟退火。对于大型系统的效率盆跳跃降低我们的初始实现,其中的步骤包括随机扰动的笛卡尔坐标。我们使用盆跳跃实施伞形采样,以进一步确认何时达到全局最小值。我们还通过采用生物信息学技术来减少能量表面的粗糙度或方差来改进能量表面。最后,盆地跳跃计算指导了哈密顿量排除体积的改进,产生了更好的结构。这些结果为未来的能量函数开发提供了一种新的可转移的优化方案。
2008-06-23 q-bio.BM
Improving protein threading accuracy via combining local and global potential using TreeCRF model
蛋白质结构预测一直是生物信息学中的一个待解决的问题。蛋白质结构预测主要有两类方法:自由建模(FM)和基于模板的建模(TBM)。蛋白质穿线属于基于模板的建模范畴,通过在靶蛋白和模板蛋白之间进行序列-结构比对来识别与靶最可能的折叠。虽然蛋白质穿线已被证明是更成功的蛋白质结构预测,它表现不佳的远程同源性检测。
2015-09-11 q-bio.BM q-bio.QM
Protein Models Comparator: Scalable Bioinformatics Computing on the Google App Engine Platform
计算机生成的蛋白质结构模型之间的比较是蛋白质结构预测的重要组成部分。它有许多用途,包括模型质量评估,从大量候选模型中选择最终模型,或优化无模板建模和细化中使用的能量函数参数。虽然许多蛋白质比较方法可以在许多网络服务器上在线获得,但它们并不适合大规模模型比较:(1)它们使用旨在比较实际蛋白质的方法,而不是同一蛋白质的模型,(2)它们中的大多数只提供单个成对结构比较,并且无法扩展到所需的数千次比较。为了弥合蛋白质和模型结构比较之间的差距,我们开发了蛋白质模型比较器(pm-cmp)。为了能够按需提供可扩展性并处理大型比较实验,pm-cmp是在“云中”实现的。Protein Models Comparator是一个可扩展的Web应用程序,用于快速比较蛋白质模型与RMSD,GDT TS,TM评分和Q评分测量。它运行在Google App Engine(GAE)云平台上,展示了如何使用新兴的PaaS(平台即服务)技术来简化可扩展生物信息学服务的开发。pm-cmp的功能可通过API访问,该API允许实验提交和结果检索的完全自动化。Protein Models Comparator是在Affero GNU公共许可证上发布的免费软件,其源代码可在以下网址获得:http://www.infobiotics.org/pm-cmp本文介绍了一个新的Web应用程序,该应用程序解决了大规模模型特定蛋白质结构比…
2011-07-26 cs.CE cs.DC q-bio.BM
Introduction to Protein Folding
本文作为结构生物信息学教材的导论章节,介绍蛋白质折叠的基本物理化学概念、稳定与去稳定因素及折叠路径,为后续热力学内容奠定基础。
2023-07-06 q-bio.BM
Monte Carlo for Protein Structures
本文介绍利用配分函数直接进行蛋白质蒙特卡洛模拟的方法,无需显式计算力与时间,通过比较状态间相对稳定性寻找最稳定构象,为结构生物信息学提供入门级实用知识。
2023-07-06 q-bio.BM
Sequence-based prediction of function site and protein-ligand interaction by a functionally annotated domain profile database
蛋白质功能位点(PFSs)和蛋白质与配体相互作用(PLIs)的识别对于理解蛋白质功能和所涉及的生化反应至关重要。后基因组时代,大量未知蛋白质的快速积累,迫切需要在剩余水平上预测PFSs和PLIs。目前,许多基于知识的预测方法已经发展得很好,但PLI的准确预测方法仍然缺乏。在本研究中,我们提出了一种基于查询蛋白质序列的PLI和PFS预测的新方法。该方法的关键在于一个功能和相互作用注释的蛋白质结构域概况数据库,称为fiDPD,这是建立在蛋白质结构分类(SCOP)数据库,使用隐马尔可夫模型程序。该方法应用于最近的结构预测临界评估(CASP 10/11)中的13种靶蛋白。我们的计算给出了一个马修斯相关系数(MCC)值为0.66的预测PFS,和80%的召回预测PLIs。我们的方法揭示了PLIs在蛋白质的进化过程中是保守的,并且它们可以从fiDPD可靠地预测。fiDPD可用作现有生物信息学工具的补充,用于蛋白质功能注释。
2017-01-27 q-bio.BM
Ab initio RNA folding
RNA分子是必需的细胞机器,执行各种各样的功能,需要特定的三维结构。在过去的几年里,通过X射线晶体学和NMR实验确定RNA结构似乎已经达到了每年解析结构数量的平台,但随着越来越多的RNA序列被发现,需要结构预测工具来补充实验数据。RNA折叠的理论方法自上世纪90年代后期出现第一个二级结构预测算法以来就已经发展起来。在过去的10年中,已经开发了许多用于3D结构的预测方法,首先基于生物信息学和数据挖掘,最近基于系统的粗粒度物理表示。在这篇综述中,我们将介绍RNA结构预测的挑战以及生物信息学方法和基于物理学的方法背后的主要思想。我们将集中在最近的物理为基础的现象学模型的描述,以及它们是如何建立,包括RNA碱基,其作用是至关重要的折叠的相互作用的特异性。通过来自不同模型的例子,我们将指出基于物理的方法的优势,这些方法不仅能够预测平衡结构,还能够研究动力学和化学行为,以及包括更多关键相互作用的开放挑战。
2014-12-30 cond-mat.soft physics.bio-ph q-bio.BM
Is protein folding problem really a NP-complete one ? First investigations
确定蛋白质的三维构象是了解其功能或与其他分子相互作用的必要条件。人们普遍承认,当蛋白质从其初级线性结构折叠到其最终的3D构象时,它们倾向于选择使其自由能最小化的构象。为了找到已知氨基酸序列的蛋白质的3D构象,生物信息学家使用各种不同分辨率的模型和人工智能工具,因为蛋白质折叠预测问题是NP完全问题。更准确地说,使用低分辨率模型(2D HP正方形和3D HP立方体),通过找到最小化自由能的构象来确定蛋白质的骨架结构,是难以精确的。NP完全性的证明和二维预测都认为可接受的构象必须满足自避免行走(SAW)要求,因为两个不同的氨基酸不能占据晶格中的相同位置。本文表明,证明NP完备性时考虑的SAW要求与各种预测程序中使用的SAW要求不同,并且它们与真实的生物学要求不同。事实上,NP完备性的证明和计算机模拟的预测考虑了在实践中不可能的构象。在这项研究工作中,这一事实的后果进行了调查。
2013-06-06 q-bio.BM
Reconstruction of protein structures from a vectorial representation
我们表明,接触地图的天然结构的球状蛋白质,可以重建从接触地图的主特征向量的唯一知识,并为此目的提出了一个精确的算法。我们的算法产生一个独特的接触地图的所有221个球状结构的PDB选择25的长度$N \le 120$。我们还表明,重建的接触地图允许反过来准确重建的三维结构。这些结果表明,由接触图的主特征向量提供的约化向量表示等价于蛋白质结构本身。这种表示法有望为蛋白质结构比较和比对的生物信息学算法提供一个有用的工具,同时也是蛋白质结构预测的一个有前途的中间步骤。
2004-04-13 q-bio.BM
Target prediction and a statistical sampling algorithm for RNA-RNA interaction
已经证明,靶位点的可及性对miRNA和siRNA具有关键影响。在本文中,我们提出了一个程序,rip2.0,不仅是能量上最有利的目标网站的基础上的混合概率,但也是一个统计抽样结构来说明的统计特征和表示的玻尔兹曼系综的RNA-RNA相互作用结构。通过基于Huang等人(生物信息学)的方法对分拆函数的改进的动态规划解进行回溯来检索输出。$O(N^6)$时间和$O(N^4)$空间算法用C实现(可从\url{http://www.combinatorics.cn/cbpc/rip2.html}获得)
2009-08-05 math.CO math.ST q-bio.BM
Improving Protein Gamma-Turn Prediction Using Inception Capsule Networks
蛋白质γ转角预测在蛋白质功能研究和实验设计中具有重要意义。目前已有几种方法对伽玛转弯进行了预测,但结果都不理想,马修相关系数(MCC)在0.2-0.4之间。预测精度低的一个原因是方法的能力有限;特别是,传统的机器学习方法,如SVM可能无法很好地提取高级别的特征来区分转向或非转向。因此,探索新的机器学习方法进行预测是值得的。一种名为胶囊网络(CapsuleNet)的尖端深度神经网络为伽马转弯预测提供了新的机会。即使输入样本的数量相对较少,CapsuleNet的capsules也可以非常有效地提取分类任务的高级特征。在这里,我们提出了一个用于伽马转弯预测的深度初始胶囊网络。它在伽马转弯基准GT 320上的性能达到了0.45的MCC,大大超过了之前最好的方法,MCC为0.38。这是第一个利用深度神经网络的伽马转弯预测方法。此外,据我们所知,这是第一个利用胶囊网络的生物信息学应用,这将为社区提供一个有用的例子。
2018-06-11 q-bio.BM q-bio.QM
RNA secondary structure prediction from multi-aligned sequences
大多数功能性非编码RNA(ncRNA)的二级结构与其功能密切相关,并且在进化过程中是保守的。因此,保守的二级结构预测进化相关的序列是RNA生物信息学的一个重要任务,该方法是有用的,不仅进一步的ncRNA的功能分析,但也提高了二级结构预测的准确性,并发现新的功能RNA从基因组。在这篇综述中,我专注于共同的二级结构预测从一个给定的对齐的RNA序列,其中一个二级结构的长度是等于输入的比对预测。我系统地回顾和分类现有的工具和算法的问题,利用工具中采用的信息,并通过采用统一的观点,最大预期增益(MEG)估计。我相信,这种分类将使人们更深入地了解每种工具,并为用户提供有用的信息,以选择常用的二级结构预测工具。
2013-07-08 q-bio.BM q-bio.QM
A novel methodology on distributed representations of proteins using their interacting ligands
蛋白质的有效表示是一项至关重要的任务,直接影响许多生物信息学问题的性能。相关蛋白质通常与相似的配体结合。已知配体的化学特征捕获蛋白质的功能和机械性质,这表明基于配体的方法可以用于蛋白质表示。在这项研究中,我们提出了SMILESVec,一个基于SMILES的方法来表示配体和一种新的方法来计算蛋白质的相似性,通过描述他们的配体的基础上。利用其配体的SMILES字符串的字嵌入来定义蛋白质。在使用TransClust和MCL算法的蛋白质聚类任务中,对所提出的蛋白质描述方法的性能进行了评估。另外两种利用蛋白质序列的蛋白质表示方法,BLAST和ProtVec,以及两种基于复合指纹的蛋白质表示方法进行了比较。我们表明,基于配体的蛋白质表示,它只使用SMILES字符串的配体蛋白质结合,以及蛋白质序列为基础的表示方法在蛋白质聚类。结果表明,基于配体的蛋白质描述可以替代传统的基于序列或结构的蛋白质表示,这种新的方法可以应用于不同的生物信息学问题,如预测新的蛋白质-配体相互作用和蛋白质功能注释。
2018-01-30 q-bio.BM stat.ML
Contrastive Representation Learning for 3D Protein Structures
Ulm University(乌尔姆大学)
从3D蛋白质结构中学习已经在蛋白质建模和结构生物信息学中获得了广泛的兴趣。不幸的是,可用结构的数量比计算机视觉和机器学习中常用的训练数据大小低几个数量级。此外,当只考虑注释的蛋白质结构时,这个数字甚至进一步减少,使得现有模型的训练变得困难并且容易过度拟合。为了应对这一挑战,我们引入了一个新的三维蛋白质结构表示学习框架。我们的框架使用无监督对比学习来学习蛋白质结构的有意义的表示,利用蛋白质数据库中的蛋白质。我们展示了如何使用这些表示来解决各种各样的任务,如蛋白质功能预测,蛋白质折叠分类,结构相似性预测和蛋白质-配体结合亲和力预测。此外,我们还展示了使用我们的算法进行预训练的微调网络如何显著提高任务性能,在许多任务中实现了新的最先进的结果。
2022-05-31 cs.LG q-bio.BM
Proteome-scale Deployment of Protein Structure Prediction Workflows on the Summit Supercomputer
深度学习在从序列预测蛋白质结构方面取得了重大进展,这是结构生物信息学的一个基本问题。随着预测在某些情况下接近晶体学分辨率的准确性,以及GPU和TPU等加速器使用大型模型进行推理,快速,快速的基因组水平结构预测成为一个明显的目标。领先级的计算资源可用于使用最先进的深度学习模型执行基因组规模的蛋白质结构预测,为系统生物学应用提供丰富的新数据。在这里,我们描述了我们的努力,有效地部署AlphaFold2程序,全蛋白质组结构预测,在规模上的橡树岭领导计算设施的资源,包括首脑会议的超级计算机。我们进行了推理,产生了35,634个蛋白质序列的预测结构,对应于三个原核蛋白质组和一个植物蛋白质组,使用了不到4,000个Summit节点小时,相当于使用了超级计算机的大部分时间。我们还设计了一种优化的结构细化,对于更长的序列,将AlphaFold流水线的松弛阶段的时间减少了10倍以上。我们展示了可以在蛋白质组规模的序列集合上进行的分析类型,包括寻找新的四级结构和功能注释的影响。
2022-01-25 q-bio.BM q-bio.QM
RNA Secondary Structure Prediction Using Transformer-Based Deep Learning Models
Johns Hopkins University(约翰霍普金斯大学);Columbia University(哥伦比亚大学);Northeastern University(东北大学)
该研究围绕RNA结构预测展开,介绍相关基础概念与机器学习应用,提出基于ResNet的RNA三级结构评分模型及预测算法,同时指出该领域现存的开放性挑战。
2024-04-14 cs.AI cs.LG q-bio.BM
A Review of Deep Learning Techniques for Protein Function Prediction
Delhi Technological University(德里理工大学)
近年来,深度学习和大数据在生物信息学和计算生物学方面取得了巨大成功;人工智能方法也在蛋白质功能分类任务中做出了重大贡献。本文分析了使用深度学习预测蛋白质功能的方法的最新进展。我们解释了确定蛋白质功能的重要性以及为什么自动化以下任务至关重要。然后,在回顾了广泛使用的深度学习技术之后,我们继续回顾并强调了现代最先进的(SOTA)深度学习模型的出现,这些模型在过去几年中在计算机视觉,自然语言处理和多模态学习领域取得了突破性的成果。我们希望这篇综述将为深度学习在生物科学中的当前作用和进展提供一个广泛的视角,特别是在预测蛋白质功能任务方面,并鼓励新的研究人员为这一领域做出贡献。
2022-10-27 cs.AI cs.LG q-bio.BM
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
Geometric Transformers for Protein Interface Contact Prediction
University of Missouri(密苏里大学)
用于预测蛋白质之间的界面接触的计算方法在药物发现中受到高度追捧,因为它们可以显着提高替代方法的准确性,例如蛋白质-蛋白质对接,蛋白质功能分析工具和蛋白质生物信息学的其他计算方法。在这项工作中,我们提出了几何Transformer,一种用于旋转和平移不变蛋白质界面接触预测的新型几何演化图Transformer,封装在DeepInteract中,DeepInteract是一种端到端的预测管道。DeepInteract预测伴侣特异性蛋白质界面接触(即,蛋白质间残基-残基接触),给出两种蛋白质的3D三级结构作为输入。在严格的基准测试中,DeepInteract在第13和第14次CASP-CAPRI实验以及对接基准5的挑战性蛋白质复合物目标上分别达到了14%和1.1%的最高L/5精度(L:复合物中蛋白质单元的长度)。在这样做的过程中,DeepInteract以Geometric Transformer作为其基于图形的主干,除了与DeepInteract兼容的其他基于图形的神经网络主干之外,还优于现有的界面接触预测方法,从而验证了Geometric Transformer在学习3D蛋白质结构下游任务的丰富关系几何特征方面的有效性。
2022-03-04 cs.LG q-bio.BM q-bio.QM
T cell receptor binding prediction: A machine learning revolution
本文综述了机器学习在T细胞受体结合预测中的进展,重点介绍了蛋白质语言模型的应用,并指出了泛化、偏差和可解释性等挑战。
2024-07-23 q-bio.BM q-bio.QM q-bio.SC
Deep Recurrent Neural Network for Protein Function Prediction from Sequence
Wyss Institute for Biologically Inspired Engineering(威斯生物启发工程研究所);School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院);Department of Systems Biology, Harvard Medical School(哈佛医学院系统生物学系)
随着高通量生物测序变得更快更便宜,从测序中提取有用信息的需求变得越来越重要,通常受到低通量实验表征的限制。对于蛋白质,直接从其一级氨基酸序列准确预测其功能一直是一个长期存在的挑战。在这里,使用人工递归神经网络(RNN)的机器学习被应用于直接从初级序列对蛋白质功能进行分类,而无需序列比对、启发式评分或特征工程。包含长短期记忆(LSTM)单元的RNN模型在UniProt的公共注释数据集上训练,在测试的四个重要蛋白质功能的类内预测方面实现了高性能,特别是与使用序列衍生蛋白质特征的其他机器学习算法相比。RNN模型还用于具有相似功能的遗传学不同蛋白质家族的类外预测,包括CRISPR相关核酸酶、铁蛋白样铁储存和细胞色素P450家族的蛋白质。在部分未注释的UniRef100数据库上应用训练的RNN模型,不仅预测了通过现有注释验证的候选序列,而且预测了当前未注释的序列。一些RNN对铁蛋白样铁螯合功能的预测得到了实验验证,尽管它们的序列与已知的特征蛋白质以及彼此之间存在显着差异,并且无法使用流行的生物信息学方法进行预测。随着测序和实验表征数据的迅速增加,基于RNN的机器学习方法可能有助于发现和预测各种蛋白质功能的同源物。
2017-01-28 cs.LG q-bio.BM q-bio.QM