醣類是自然界中最豐富的有機物質,對生命至關重要。了解醣類如何在生理和病理過程中調節蛋白質,可以為解決關鍵的生物學問題和開發新的治療方法提供機會。
然而,醣類分子的多樣性和複雜性,對實驗識別糖-蛋白質結合以及相互作用的位點提出了挑戰。
在這裡,中國科學院團隊開發了一種深度學習模型 DeepGlycanSite,它能夠準確預測給定蛋白質結構上的糖結合位點。
DeepGlycanSite 將蛋白質的幾何和進化特徵融入具有 Transformer 架構的深度等變圖神經網路中,其性能顯著超越了先前的先進方法,並能有效預測各種醣類分子的結合位點。
結合誘變研究,DeepGlycanSite 揭示了重要 G 蛋白偶聯受體的鳥苷-5'-二磷酸糖辨識位點。
這些發現表明 DeepGlycanSite 對於糖結合位點預測具有重要價值,並且可以深入了解具有治療重要性蛋白質的醣類調節背後的分子機制。
研究以「Highly accurate carbohydrate-binding site prediction with DeepGlycanSite」為題,於 2024 年 6 月 17 日發佈在《Nature Communications》。
糖在所有生物體的細胞表面普遍存在,它們與多種蛋白質家族如凝集素、抗體、酶和轉運蛋白相互作用,調節免疫反應、細胞分化和神經發育等關鍵生物學過程。理解醣類與蛋白質的相互作用機制是開發醣類藥物的基礎。
然而,醣類結構的多樣性和複雜性,尤其是它們與蛋白質結合位點的多變性,給實驗數據的獲取和藥物設計帶來了挑戰。
圖示:醣類分子的複雜性和醣結合位點的多樣性。 (資料來源:論文)
過去,傳統的結合位點預測方法不適用於結構複雜、大小變化大的醣類分子。加上高分辨率糖-蛋白質複合物結構數據的稀缺,導致預測模型的性能受限。
近年來,隨著蛋白質資料庫(PDB)和開放性糖組學資源的快速發展,學界已經累積了超過 19,000 個此類複合物的結構數據。這些高品質數據的增加,為採用 AI 技術開發精確的糖結合位點預測模型提供了可能,從而有望加速醣類藥物的發現和優化過程。
在最新的研究中,中國科學院團隊引入了 DeepGlycanSite,這是一種深度等變圖神經網路 (EGNN) 模型,能夠準確預測具有目標蛋白質結構的糖結合位點。
圖示:DeepGlycanSite 概述。 (資料來源:論文)
該團隊利用幾何特徵(例如殘基內和殘基間的方向和距離)以及進化信息,在 DeepGlycanSite 中以殘基級別的圖形表示形式呈現蛋白質。結合具有自註意力機制的 Transformer 區塊來增強特徵提取和複雜關係發現。
在涉及一百多種獨特糖結合蛋白的獨立測試集上,研究人員將 DeepGlycanSite 與目前最先進的計算方法進行了比較。
結果顯示,DeepGlycanSite (0.625) 的平均馬修斯相關係數(MCC) 是 StackCBPred (0.018) 的 30 倍以上,同時遠超其他序列基礎的預測方法。
傳統配體結合位點方法可能因疏水性或小尺寸而排除簡單醣類分子的結合位點,而 DeepGlycanSite 則能有效識別這些位點。
圖示:比較模型在預測不同糖結合位點的表現。 (資料來源:論文)
並且,DeepGlycanSite 在預測蛋白質上的多個糖結合位點方面也表現出色,這對於理解多價糖綴合物如何影響糖-蛋白相互作用以及生物過程的調控具有重要價值。例如,多價糖綴合物被設計成化學工具和藥物候選物,以影響醣類分子與凝集素之間的相互作用。
與傳統的僅使用蛋白質序列或結構資訊的方法不同,DeepGlycanSite 充分考慮了蛋白質的幾何資訊及演化特性,這可能是其表現優異的關鍵因素。
此外,給定查詢醣類分子的化學結構,DeepGlycanSite 還可以預測其特定結合位點。
圖示:查詢糖的特定結合位點預測。 (資料來源:論文)
研究人員探索了 DeepGlycanSite 對功能重要的 G 蛋白偶聯受體 (GPCR) 的應用。利用 AlphaFold2 預測的蛋白質結構和醣類化學結構,DeepGlycanSite 成功檢測了人類 P2Y14 上 GDP-Fuc 的具體結合位點。
雖然 AlphaFold2 預測的側鏈品質有待提高,但 DeepGlycanSite 對蛋白質結構準確性的依賴較低,能夠使用預測的蛋白質結構提供糖-蛋白相互作用的見解。
綜上所述,DeepGlycanSite 在獨立測試集和體外案例研究中的驗證表明,它是一個有效的糖結合位點預測工具。研究人員可以利用 DeepGlycanSite 預測目標蛋白質上的糖結合口袋,從而促進對糖-蛋白質相互作用的理解。
醣類在生物學功能中扮演關鍵角色,DeepGlycanSite 不僅有助於解析醣類分子和醣結合蛋白的生物學功能,也為醣類藥物的開發提供了有力工具。
論文連結:https://www.nature.com/articles/s41467-024-49516-2
以上是比傳統方法高30倍,中國科學院團隊Transformer深度學習模型預測糖-蛋白質作用位點的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Apollo Research的一份新報告顯示,先進的AI系統的不受檢查的內部部署構成了重大風險。 在大型人工智能公司中缺乏監督,普遍存在,允許潛在的災難性結果

傳統測謊儀已經過時了。依靠腕帶連接的指針,打印出受試者生命體徵和身體反應的測謊儀,在識破謊言方面並不精確。這就是為什麼測謊結果通常不被法庭採納的原因,儘管它曾導致許多無辜者入獄。 相比之下,人工智能是一個強大的數據引擎,其工作原理是全方位觀察。這意味著科學家可以通過多種途徑將人工智能應用於尋求真相的應用中。 一種方法是像測謊儀一樣分析被審問者的生命體徵反應,但採用更詳細、更精確的比較分析。 另一種方法是利用語言標記來分析人們實際所說的話,並運用邏輯和推理。 俗話說,一個謊言會滋生另一個謊言,最終

航空航天業是創新的先驅,它利用AI應對其最複雜的挑戰。 現代航空的越來越複雜性需要AI的自動化和實時智能功能,以提高安全性,降低操作

機器人技術的飛速發展為我們帶來了一個引人入勝的案例研究。 來自Noetix的N2機器人重達40多磅,身高3英尺,據說可以後空翻。 Unitree公司推出的G1機器人重量約為N2的兩倍,身高約4英尺。比賽中還有許多體型更小的類人機器人參賽,甚至還有一款由風扇驅動前進的機器人。 數據解讀 這場半程馬拉松吸引了超過12,000名觀眾,但只有21台類人機器人參賽。儘管政府指出參賽機器人賽前進行了“強化訓練”,但並非所有機器人均完成了全程比賽。 冠軍——由北京類人機器人創新中心研發的Tiangong Ult

人工智能以目前的形式並不是真正智能的。它擅長模仿和完善現有數據。 我們不是在創造人工智能,而是人工推斷 - 處理信息的機器,而人類則

一份報告發現,在谷歌相冊Android版7.26版本的代碼中隱藏了一個更新的界面,每次查看照片時,都會在屏幕底部顯示一行新檢測到的面孔縮略圖。 新的面部縮略圖缺少姓名標籤,所以我懷疑您需要單獨點擊它們才能查看有關每個檢測到的人員的更多信息。就目前而言,此功能除了谷歌相冊已在您的圖像中找到這些人之外,不提供任何其他信息。 此功能尚未上線,因此我們不知道谷歌將如何準確地使用它。谷歌可以使用縮略圖來加快查找所選人員的更多照片的速度,或者可能用於其他目的,例如選擇要編輯的個人。我們拭目以待。 就目前而言

增強者通過教授模型根據人類反饋進行調整來震撼AI的開發。它將監督的學習基金會與基於獎勵的更新融合在一起,使其更安全,更準確,真正地幫助

科學家已經廣泛研究了人類和更簡單的神經網絡(如秀麗隱桿線蟲中的神經網絡),以了解其功能。 但是,出現了一個關鍵問題:我們如何使自己的神經網絡與新穎的AI一起有效地工作


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SAP NetWeaver Server Adapter for Eclipse
將Eclipse與SAP NetWeaver應用伺服器整合。

VSCode Windows 64位元 下載
微軟推出的免費、功能強大的一款IDE編輯器