A System for Predicting Subcellular Localization of Yeast Genome Using Neural Network
L.B.S College of Engineering(L.B.S工程学院);National Institute of Technology Karnataka(卡纳塔克邦国家理工学院)
蛋白质的亚细胞位置可以提供关于其功能的有价值的信息。随着测序基因组数据的快速增长,对自动化和准确的工具来预测亚细胞定位的需求变得越来越重要。人们已经做了很多努力来预测蛋白质的亚细胞定位。本文旨在将人工神经网络与生物信息学相结合,预测蛋白质在酵母基因组中的位置。我们介绍了一种新的基于反向传播神经网络的亚细胞预测方法。结果表明,该系统的预测误差在5 ~ 10%以内。
2007-10-11 cs.AI cs.NE
Data Resources for Structural Bioinformatics
本文介绍结构生物信息学领域的数据资源,涵盖蛋白质结构量化、预测和模拟所需的关键数据库与工具,旨在为入门读者提供实用指导。
2023-07-06 q-bio.BM
Structure-aware Protein Self-supervised Learning
McGill University(麦吉尔大学);MILA - Quebec AI Institute(MILA——魁北克人工智能研究所);Baidu Research(百度研究院);Baidu Inc.(百度公司)
针对现有蛋白质语言模型忽略结构信息的问题,提出一种结构感知的自监督学习方法,利用图神经网络从残基距离和二面角视角预训练,并通过伪双层优化融合序列与结构信息,在下游任务中验证了有效性。
2023-04-08 cs.AI cs.LG q-bio.QM
Cysteine post-translational modifications: ten years from chemical proteomics to bioinformatics
半胱氨酸(Cys)是蛋白质中唯一含巯基的氨基酸,具有活性巯基侧链,易受一系列翻译后修饰(PTMs)的影响。这些PTM参与广泛的生物活性,包括酶促反应、蛋白质相互作用和蛋白质稳定性的改变。本文综述了半胱氨酸蛋白酶标记物鉴定技术的研究进展及各种蛋白酶标记物的特点。我们还讨论了不同类型的半胱氨酸修饰位点的预测方法,为今后的研究提供了方向。
2021-05-28 q-bio.BM
Scenarios for protein aggregation: Molecular Dynamics simulations and Bioinformatic Analysis
理解原纤维形成的组装动力学的需要已经变得迫切,因为认识到淀粉样蛋白生成肽的可溶性寡聚体可能比最终产物(即淀粉样蛋白原纤维)更具神经毒性。为了充分理解原纤维形成的途径,必须表征组装途径中的主要物质。低聚物(二聚体,三聚体等)的能量学和动力学的表征是很难单独使用实验,因为它们经历了大的构象波动。在这种情况下,精心策划的分子动力学模拟研究,计算使用粗粒度的模型,和生物信息学分析已经提供了相当多的见解的早期事件的路线原纤维形成。在这里,我们描述了沿着这个方向的进展,使用的例子主要来自我们自己的工作。在这一章中,我们集中在蛋白质聚集的方面使用A β肽和朊病毒蛋白作为例子。
2006-08-29 q-bio.BM
PRIMRose: Insights into the Per-Residue Energy Metrics of Proteins with Double InDel Mutations using Deep Learning
Western Washington University(西华盛顿大学)
PRIMRose通过深度学习分析蛋白质中双重InDel突变的每残基能量变化,提供更精确的结构和功能影响预测。
2025-12-06 cs.AI cs.LG cs.NE
A Systematic Review of Deep Graph Neural Networks: Challenges, Classification, Architectures, Applications & Potential Utility in Bioinformatics
IUST Kashmir(查谟和克什米尔大学(IUST Kashmir))
该综述系统梳理图神经网络的模型分类、数学特性与多领域应用,重点分析其在生物信息学中的潜力,提供评估资源与开源渠道,并提出7项未来研究方向。
2023-11-03 cs.AI cs.LG q-bio.QM
Quantum algorithm for bioinformatics to compute the similarity between proteins
针对药物发现挑战,作者提出一种量子算法,通过量子生成器根据蛋白质数据库生成随机氨基酸序列,并用两种方法计算测试蛋白质与数据库蛋白质的相似度,以elafin为案例验证其有效性。
2024-02-15 q-bio.BM quant-ph
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
Bioinformatic analysis for structure and function of Glutamine synthetase(GS)
目的:利用生物信息学技术预测假交替单胞菌谷氨酰胺合成酶(GS)的结构与功能,为进一步研究GS提供理论依据。方法:利用ORF finder获得假交替单胞菌GS序列的开放阅读框(ORF),并翻译成氨基酸残基。用Blast软件对结构域进行了分析。利用Protparam、ProtScale、SignalP-4.0、TMHMM、SOPMA、SWISS-MODEL、NCBI SMART-BLAST和MAGA 7.0等分析工具对该蛋白进行了结构和功能预测。结果如下:结果表明,该蛋白为GS蛋白,由468个氨基酸组成,理论分子量为51986.64 Da,与Shewanella oneidensis的进化关系最近。无信号肽位点和跨膜结构域。GS二级结构中α-螺旋占35.04%,延伸链占16.67%,β-转角占5.34%,随机卷曲占42.95%。结论:该GU蛋白具有多种生物学功能,可作为极端环境下微生物氮代谢的分子样品。
2022-04-23 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
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
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
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
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
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
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
Function Prediction
本文介绍结构生物信息学入门内容,涵盖蛋白质结构量化、预测和模拟,并重点探讨在缺乏实验数据时如何预测从残基到通路水平的蛋白质功能及其现有方法。
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
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
Persistent topology of protein space
蛋白质折叠分类是结构生物学和生物信息学中的经典问题。我们使用持久同源性来解决这个问题。特别是,我们使用阿尔法形状过滤比较的拓扑表示的数据与不同的表示,利用结理论的想法。我们使用基于角度的联合和个体变异解释(AJIVE)的统计方法来理解这些表示之间的相似性和差异。
2021-08-19 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
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
The Dance of Atoms-De Novo Protein Design with Diffusion Model
Academy of Military Medical Sciences(军事医学科学院);Beihang University(北京航空航天大学);Northeastern University(东北大学)
本综述系统考察扩散模型在从头蛋白质设计中的应用,分析RFDiffusion等模型在骨架和序列生成中的优势与局限,总结成功案例并展望未来方向。
2025-04-23 cs.AI q-bio.BM
Inhibition of protein crystallization by evolutionary negative design
从这个角度来看,我们解决的问题:为什么蛋白质似乎很难结晶?我们认为,这是因为进化的负设计,即蛋白质已经进化到不结晶,因为结晶,与任何类型的蛋白质聚集,损害细胞的活力。文献中有很多证据支持这一假设,包括突变对蛋白质结晶性的影响,在生物信息学数据库中晶体接触性质中发现的相关性,以及细菌和病毒对蛋白质结晶的积极利用。
2004-02-16 cond-mat.soft physics.bio-ph 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
On the Robustness of AlphaFold: A COVID-19 Case Study
University of Central Florida(中佛罗里达大学);University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校);Air Force Research Laboratory(空军研究实验室);Argonne National Laboratory(阿贡国家实验室);SRI International(SRI国际);Defense Advanced Research Projects Agency(国防高级研究计划局)
与其他方法相比,AlphaFold等蛋白质折叠神经网络(PFNN)预测蛋白质的结构非常准确。然而,这种网络的鲁棒性迄今尚未被探索。考虑到这些技术的广泛社会影响以及蛋白质序列中生物学上的小扰动通常不会导致蛋白质结构的剧烈变化,这一点尤其重要。在本文中,我们证明了AlphaFold尽管具有高精度,但并没有表现出这种鲁棒性。这就提出了检测和量化这些预测的蛋白质结构可信程度的挑战。为了测量预测结构的鲁棒性,我们利用(i)均方根偏差(RMSD)和(ii)原始序列的预测结构与其反向扰动版本的结构之间的全局距离测试(GDT)相似性度量。我们证明了最小扰动蛋白质序列愚弄蛋白质折叠神经网络的问题是NP-完全的。基于完善的BLOSUM 62序列比对评分矩阵,我们生成了对抗性蛋白质序列,并表明当对抗性变化由(i)BLOSUM 62距离中的20个单位和(ii)给定蛋白质序列中的5个残基(数百或数千个残基)限制时,预测蛋白质结构和原始序列结构之间的RMSD非常大。在我们的实验评估中,我们考虑了通用蛋白质资源(UniProt)中的111种COVID-19蛋白质,UniProt是由欧洲生物信息学研究所、瑞士生物信息学研究所和美国蛋白质信息资源管理的蛋白质数据中心资源。这些导致整体GDT相似性测试平均得分约为34%,表明AlphaFold的性能大幅下降。
2023-01-12 cs.LG q-bio.BM
AMix-2: Establishing Protein as a Native Modality in Large Language Models
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Generative Symbolic Intelligence Lab (GenSI), Tsinghua University(生成符号智能实验室(GenSI),清华大学);Institute for AI Industry Research (AIR), Tsinghua University(人工智能产业研究院(AIR),清华大学)
提出AMix-2,一种蛋白质-文本基础模型,通过统一蛋白质理解与序列设计,将蛋白质作为大语言模型的原生模态,并引入块状扩散语言建模骨干以更好地匹配蛋白质内在特性。
2026-05-29 cs.AI q-bio.BM
Proteins associated with diseases show enhanced sequence correlation between charged residues
蛋白质的功能或相互作用蛋白质的网络通常涉及在序列中良好分离的残基之间的通信。典型的例子是远端残基参与变构调节。生物信息学和结构分析方法已被引入来推断相关的残基。近年来,人们越来越关注获得决定疾病相关蛋白(Abeta肽、朊病毒蛋白、甲状腺素运载蛋白等)的趋势的序列特性。聚集并形成原纤维。出于部分需要确定的序列特征,表明聚集的趋势,我们介绍了一种通用的方法,探针在一个给定的蛋白质家族中的序列沿带电残基的共变。该方法,它涉及到计算的序列相关熵(SCE)使用淬火概率Psk(i,j)找到一个残基对在给定的序列分离sk,允许我们分类蛋白质家族的SCE。我们的一般方法可能是一个有用的方式在获得进化的氨基酸残基的共变异的基因组水平。
2004-05-06 q-bio.BM
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
MAP Format for Representing Chemical Modifications, Annotations, and Mutations in Protein Sequences: An Extension of the FASTA Format
本文提出 MAP 格式作为 FASTA 的扩展,通过头部元标签和序列内花括号标签表示蛋白质化学修饰、非天然残基、注释和突变,并提供配套资源以促进生物信息学社区采用。
2025-05-06 q-bio.BM
Estimating probabilistic context-free grammars for proteins using contact map constraints
蛋白质序列语言的学习是生物信息学的一个长期挑战,它需要至少上下文无关文法来描述氨基酸之间的非局部相互作用。然而,蛋白质相互作用的复杂性阻碍了上下文无关文法的无监督学习。使用结构信息来约束句法树在学习概率自然语言和RNA语言中被证明是有效的。在这项工作中,我们建立了一个框架,学习概率上下文无关文法的蛋白质序列的句法树部分限制使用从湿实验或计算预测,其可靠性大幅增加最近获得的氨基酸接触。在这个框架内,我们实现了简单而实用的语法参数的最大似然和对比估计。通过对蛋白质基序样本的测试,在该框架内开发的语法显示出更高的识别精度和对蛋白质结构的更高保真度。该框架适用于其他生物分子语言和超越任何地方的非本地依赖性的知识。
2018-05-22 cs.FL 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
A statistical physics perspective on alignment-independent protein sequence comparison
在生物信息学中,氨基酸序列的文本比对长期以来一直主导着蛋白质之间相似性的确定,所有这些都意味着共享的结构,功能和进化血统。尽管现代序列比对算法相对成功,但所谓的无重复比对方法提供了确定和表达相似性的补充手段,在某些关键应用中具有潜在益处,例如蛋白质结构-功能研究的回归分析,其中重复碱基相似性表现不佳。在这里,我们提供了一个新的,基于统计物理学的角度,专注于无干扰比较的问题,在这个过程中,从“第一次通过概率分布”的结果,总结总体平均氨基酸倾向值的统计。在这篇文章中,我们介绍和阐述这种方法。
2016-02-09 q-bio.BM q-bio.QM
BEER: Biochemical Estimator and Explorer of Residues -- A Comprehensive Software Suite for Protein Sequence Analysis
BEER是一个跨平台蛋白质序列分析软件套件,通过图形界面接受多种输入并即时计算理化指标,提供交互式可视化,支持多链比较,能在1秒内分析1万残基序列。
2025-04-29 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
Advances of Deep Learning in Protein Science: A Comprehensive Survey
本综述系统梳理了深度学习在蛋白质科学中的最新进展,涵盖基础技术、典型应用、现存挑战及未来方向,为相关研究者提供参考,推动蛋白质研究发展。
2024-03-08 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
Generative AI for Controllable Protein Sequence Design: A Survey
Zhejiang University(浙江大学);The Chinese University of Hong Kong(香港中文大学)
本综述系统回顾了生成式AI在可控蛋白质序列设计中的最新进展,涵盖基础任务、关键生成模型与优化算法、具体设计任务应用,并指出了当前未解决的挑战与未来研究机遇。
2024-02-16 cs.AI cs.LG q-bio.BM
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
Protein Large Language Models: A Comprehensive Survey
UCLA(加利福尼亚大学洛杉矶分校);Stanford(斯坦福大学);Georgia Tech(佐治亚理工学院);Texas A&M(得克萨斯农工大学)
本文首次全面综述了蛋白质大语言模型,涵盖架构、数据集、评估及应用,并提出分类法,探讨其在蛋白质工程与生物医学研究中的潜力及未来挑战。
2025-03-06 cs.AI cs.CE cs.CL
Protein structure and sequence re-analysis of 2019-nCoV genome does not indicate snakes as its intermediate host or the unique similarity between its spike protein insertions and HIV-1
由于2019-nCoV冠状病毒感染正在迅速发展成为全球肺炎疫情,因此迫切需要对其传播和细胞机制进行仔细分析。在这份报告中,我们重新分析了Ji et al.(https://doi.org/10.1002/jmv.25682)和Pradhan et al.(https://doi.org/10.1101/2020.01.30.927871)最近两篇手稿中提出的计算方法和发现,得出的结论是蛇是2019-nCoV的中间宿主,2019-nCoV刺突蛋白插入与HIV-1具有独特的相似性。我们使用最先进的生物信息学方法和数据库在更大规模的数据集上重新实施分析的结果不支持这些手稿提出的结论。根据我们的分析和冠状病毒的现有数据,我们得出结论,2019-nCoV的中间宿主更有可能是哺乳动物和鸟类,而不是蛇,并且在刺突蛋白中观察到的“新插入”是从蝙蝠冠状病毒自然进化而来的。
2020-02-08 q-bio.BM q-bio.GN
ProteinNet: a standardized data set for machine learning of protein structure
Harvard Medical School(哈佛医学院)
深度学习的快速发展促进了其在生物信息学问题中的应用,包括蛋白质结构预测和设计。在经典的机器学习问题(如计算机视觉)中,标准化数据集推动了进展,这些数据集有助于公平评估新方法,并降低非领域专家的进入门槛。虽然存在蛋白质序列和结构的数据集,但它们缺乏某些对机器学习至关重要的组件,包括高质量的多个序列比对和绝缘的训练/验证分裂,这些分裂可以解释蛋白质空间中深度但只能微弱检测到的同源性。我们创建了ProteinNet系列数据集,为训练和评估蛋白质序列-结构关系的数据驱动模型提供了标准化机制。ProteinNet将序列、结构和进化信息集成到为机器学习框架定制的可编程访问的文件格式中。使用大量高性能计算资源创建所有结构表征蛋白质的多个序列比对。还生成了标准化数据分割,以通过将蛋白质序列和结构空间重置为六个先前CASP之前的历史状态来模拟过去CASP(蛋白质结构预测的关键评估)实验的难度。利用敏感的基于进化的距离度量来分离远亲蛋白质,我们还创建了与官方CASP集不同的验证集,这些验证集忠实地模仿了它们的难度。因此,ProteinNet代表了一个全面且可访问的资源,用于训练和评估蛋白质结构的机器学习模型。
2019-02-01 cs.LG q-bio.BM q-bio.QM
ProQ3D: Improved model quality assessments using Deep Learning
蛋白质质量评估是生物信息学中一个长期存在的问题。十多年来,我们通过仔细选择和优化机器学习方法的输入,开发了最先进的预测器。相关性从ProQ中的0.60增加到ProQ2中的0.81和ProQ3中的0.85,主要是通过添加大量精心调整的蛋白质描述。在这里,我们表明,使用与ProQ2或ProQ3完全相同的输入,但用深度神经网络代替支持向量机,可以获得实质性的改进。这将Pearson相关性提高到0.90(使用ProQ2输入特征为0.85)。可用性:ProQ3D可作为Web服务器和独立程序在http://proq3.bioinfo.se/上免费获得
2016-10-18 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
Automated Protein Structure Classification: A Survey
基于蛋白质结构的分类为研究蛋白质结构、功能和进化关系提供了宝贵的资源。随着已知蛋白质结构数量的迅速增加,人工和半自动分类变得越来越困难和缓慢。因此,越来越需要自动化、准确和有效的分类方法来生成分类数据库或提高半自动技术的速度和准确性。认识到这一需要,已经开发了几种自动分类方法。在本调查中,我们概述了这一领域的最新发展。我们根据不同的方法的特点进行分类,并比较它们的方法,准确性和效率。然后,我们提出了一些开放的问题,并解释未来的发展方向。
2009-07-13 cs.CE q-bio.BM
Statistical Inference of a canonical dictionary of protein substructural fragments
蛋白质是生命的生物分子。它们折叠成各种各样的三维(3D)形状。在这些折叠模式之下是许多反复出现的结构片段或积木(类似于“乐高积木”)。本文报道了一种创新的统计推断方法,发现一个全面的字典的蛋白质结构积木从一个大语料库的实验确定的蛋白质结构。我们的方法是建立在贝叶斯和信息理论的最小消息长度的标准。据我们所知,这项工作是第一次系统和严格的处理一个非常重要的数据挖掘问题,出现在结构生物信息学的跨学科领域。我们发现的字典的质量是通过它的解释能力来证明的-已知3D结构的语料库中的任何蛋白质都可以被解剖成分配给该字典片段的连续区域。这导致了一种新的一维表示的三维蛋白质折叠模式,适合于应用程序的字符串处理算法的丰富的剧目,快速识别新确定的结构的折叠模式。本文介绍了用于推断积木字典的方法的细节,并通过说明性的例子来证明其有效性和实用性。
2013-10-05 q-bio.BM q-bio.QM
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
Plasmodium falciparum Hsp70-x: A Heat Shock Protein at the Host - Parasite Interface
恶性疟原虫70 kDa热休克蛋白(PfHsp 70)在疟原虫生命周期的致病性红细胞期的所有阶段表达。有六种PfHsp 70,除了恶性疟原虫特有的PfHsp 70-x外,所有这些都在其他疟原虫物种中具有直向同源物。本文重点介绍了一些原始的结果,通过详细的生物信息学分析的蛋白质。大规模序列分析表明PfHsp 70-x的延伸转运肽序列的存在,其潜在地将PfHsp 70-x引导至内质网(ER)。进一步的分析表明,PfHsp 70-x不具有ER保留序列,表明该蛋白质通过ER转运并分泌到寄生虫空泡(PV)中或更远进入红细胞胞质溶胶中。这些结果与实验结果一致。接下来,通过建模和对接来询问PfHsp 70-x和输出的恶性疟原虫Hsp 40或宿主红细胞DnaJ之间可能的相互作用。对接结果表明,PfHsp 70-x和每一个Hsp 40之间的相互作用,无论生物学的可行性,似乎同样可能。这表明J结构域可能不提供独特的Hsp 70-Hsp 40复合物形成的特异性,但可能由Hsp 40的其他结构域提供特异性。通过研究PfHsp 70-x的不同构象,发现只有当PfHsp 70-x处于一定构象时,Hsp 40 s才能与PfHsp 70-x结合。此外,这项工作强调了底物结合结构域残基对形成底物结合口袋的α-螺旋盖取向的可能依赖性。
2013-07-12 q-bio.BM
OpenProteinSet: Training data for structural biology at scale
Harvard University(哈佛大学);Harvard Medical School(哈佛医学院);Columbia University(哥伦比亚大学);Prescient Design, Genentech(普雷赛特设计公司,基因泰克);New York University(纽约大学);Flatiron Institute(弗拉蒂伦研究所)
本文推出OpenProteinSet开源数据集,包含超1600万MSAs、PDB结构同源物及AlphaFold2预测,并已成功用于重训AlphaFold2,旨在推动蛋白质结构、功能、设计及多模态机器学习研究。
2023-08-10 cs.LG q-bio.BM
A survey and a molecular dynamics study on the (central) hydrophobic region of prion proteins
朊病毒疾病是影响人类和动物的致命性神经退行性疾病。与大多数其他淀粉样蛋白形成的神经退行性疾病不同,这些疾病可能具有高度传染性。朊病毒疾病发生在各种物种中。它们包括致命的人类神经退行性疾病克雅氏病(CJD)、致命的家族性痴呆(FFI)、Gerstmann-Straussler-Scheinker综合征(GSS)、库鲁病、牛海绵状脑病牛的疯牛病(BSE或“疯牛病”),鹿和麋鹿的慢性消耗病(CWD),绵羊和山羊的瘙痒病等。特别是在欧洲的BSE、北美的CWD和英国年轻人的变异型CJD(vCJD)的情况下,是主要的公共卫生问题。幸运的是,科学家报告说,朊病毒蛋白(PrP)的(中央)疏水区控制着患病朊病毒的形成。本文对PrP的疏水区进行了详细的综述,并对PrP(110-136)进行了分子动力学研究,以证实其中的一些发现。本文提出的结构生物信息学方法可为PrP疏水区的实验研究提供三维图像的参考。
2014-09-22 physics.bio-ph q-bio.BM
A comparative analysis for SARS-CoV-2
COVID-19对世界产生了巨大影响。至关重要的是,生物实验和临床设计是通过计算方法来获得时间和成本效益的解决方案。比较分析尤其可以在揭示突变引起的蛋白质结构变化方面发挥关键作用,这些结构变化可能导致行为变化,例如SARS-CoV-2表面糖蛋白与人类ACE 2受体的结合增加。本报告的目的是为生物学家和其他人提供一个易于遵循的教程,而无需深入研究不同的生物信息学工具。然后可以使用更复杂的分析,例如使用大规模计算方法。从SARS-CoV-2基因组序列开始,该报告显示了可视化的DNA序列特征,推导出氨基酸序列,并比对不同的基因组以分析突变和差异。该报告通过整合现有的3D蛋白模型,提供了进一步的见解,以了解SARS-CoV-2表面糖蛋白如何突变,与SARS-CoV蛋白相比,对人类ACE 2受体具有更高的结合亲和力。
2020-04-08 q-bio.BM q-bio.GN
DeepSF: deep convolutional neural network for mapping protein sequences to folds
University of Missouri(密苏里大学)
蛋白质折叠识别是结构生物信息学中的一个重要问题。传统的折叠识别方法几乎都是通过序列(同源性)比较,根据已知结构的模板蛋白的折叠来间接预测目标蛋白的折叠,无法解释序列与折叠之间的关系。由于方法学的限制,只有少数几种方法被开发出来将蛋白质序列分类为少量的折叠,这些方法在实践中通常不实用。结果我们开发了一个深度一维卷积神经网络(DeepSF),可以直接将任意蛋白质序列分类到1195个已知折叠中的一个,这对于折叠识别和序列-结构关系的研究都是有用的。与传统的基于序列比对(比较)的方法不同,我们的方法自动地从任意长度的蛋白质序列中提取折叠相关的特征,并将其映射到折叠空间。我们在SCOP1.75的数据集上对我们的方法进行了训练和测试,分类准确率为80.4%。在SCOP2.06的独立测试数据集上,分类准确率为77.0%。我们比较了我们的方法与顶部轮廓轮廓对齐方法- HHSearch在CASP 9 -12的基于硬模板和无模板的建模目标上的折叠识别准确性。对于前1、5和10个预测折叠,我们的方法在无模板建模目标上的准确性比HHSearch高14.5%-29.1%,在基于硬模板的建模目标上高4.5%-16.7%。该方法提取的隐藏特征对序列突变、插入、删除和截短具有较强的鲁棒性,可用于蛋白质聚类、比较和排序等其他蛋白质模式识别问题。
2017-06-04 cs.LG q-bio.BM