通过比较多种物种中相同蛋白质的序列，识别在进化过程中高度保守的氨基酸残基。这些通常是功能性重要的残基，包括结合位点。模体搜索（Motif search）识别在已知的蛋白质-蛋白质相互作用中出现的短序列模体，并在未知蛋白中搜索这些模体。分子对接 使用计算模拟来预测两个或多个蛋白质结构如何物理上相互作用和结合。这种方...
图4可以发现蛋白质序列和结构对于不同的任务有各自的优势，序列的表征更有利于二者结合强度预测，而结构...
作者基于这个transformer开发了PeSTo,一种蛋白质结合界面预测器。PeSTo被训练用于预测蛋白质-蛋白质相互作用界面,性能超过了目前的模型。由于该方法不依赖于任何显式的物理化学特征参数化,因此训练以预测其他类型的结合界面是很容易的。 模型(PeSTo) PeSTo,一种无需参数的几何transformer,直接作用于蛋白质的原子上。如上...
因此作者设计了一个通用的模型DeepPBS应用于结合特异性预测任务，并通过提取蛋白质重原子的重要性评分来帮助研究人员理解蛋白质-DNA界面的相互作用。总之，DeepPBS模型不仅在预测蛋白质与DNA结合的任务中彰显了其显著的预测性能，而且为蛋白质工程和合成生物学等领域提供了宝贵的理论基础和见解。01 引言 转录因子在各种调...
蛋白质相互作用结合亲和力的预测对于生物医学领域具有很多应用价值。可以通过预测蛋白质相互作用结合亲和力来设计和筛选药物靶点,开发新的蛋白质相互作用抑制剂或者激活剂;还可以通过预测蛋白质相互作用结合亲和力来分析蛋白质-蛋白质相互作用网络,揭示生物学过程的调控机制。 5.结语 蛋白质相互作用结合亲和力的预测是生物学研...
1. 分子对接:分子对接是一种常用的蛋白质-配体结合亲和力预测方法。它通过计算蛋白质和配体之间的相互作用能来预测它们的结合亲和力。 2. 反向分子对接:反向分子对接是一种从已知的配体库中筛选出与目标蛋白质结合亲和力高的配体的方法。通过将分子库中的配体依次与蛋白质进行对接,并计算它们的结合亲和力,从而预测与蛋...
上海交通大学和中山大学的研究人员提出了 DeepProSite，用于利用蛋白质结构和序列信息来识别蛋白质结合位点。DeepProSite 首先从 ESMFold 生成蛋白质结构，并从预训练的语言模型生成序列表示。然后，它使用 Graph Transformer 并将结合位点预测制定为图节点分类。在预测蛋白质-蛋白质/肽结合位点时，DeepProSite 在大多数...
蛋白质-配体结合亲和力预测存在挑战蛋白质-配体结合亲和力预测是药物发现的关键步骤。它使研究人员能够在进行昂贵且耗时的实验之前识别潜在的候选药物并优化其特性。三维 (3D) 结构蛋白数据的可用性不断增加，为基于结构的药物发现提供了新的范式，并且 3D 结构信息已被证明可以促进药物设计。人们已经开发了各种计算方法来...
准确预测蛋白质-配体(在本文的语境中,配体意指小分子有机化合物)的结合构象是计算生物学中的一项重要任务。一方面,它有助于人们理解蛋白质与内源小分子或药物分子的互作机制。另一方面,在药物设计或药物筛选(无论是单个蛋白-多个配体的正向筛选,还是单个配体-...