塔夫茨大学的 Lenore Cowen 教授和麻省理工学院的研究人员合作设计了一种基于神经语言建模的最新进展的结构驱动的深度学习方法。该团队的深度学习模型称为 D-SCRIPT，能够从初级氨基酸序列预测蛋白质 - 蛋白质相互作用 (PPI)。研究人员结合神经语言建模和结构驱动设计的进步来开发 D-SCRIPT，这是一种可解释且可推广的...
在测定动态蛋白-蛋白相互作用时的一个挑战是,这些复杂数据集,包括准确识别全新PPIs的需求,尚未得到通用、准确和稳健的计算及分析框架的满足。在TPCA和I-PISA背景下准确预测PPIs的困难在于,许多蛋白质与它们不相互作用的其他蛋白质的曲线数据非常接近。避免高假阳性率(FPR)需要严格的距离截断,导致许多真实相互作用的漏检。
AlphaFold3能够通过对药物分子(例如与蛋白质结合的配体和抗体)的预测,为药物设计赋能,从而改变人类健康和疾病过程中蛋白质的相互作用方式。 AlphaFold3在预测药物相互作用方面达到了前所未有的准确度,包括蛋白质与配体的结合以及抗体与靶蛋白的结合...
Tapioca是一个集成机器学习框架,通过整合质谱学相互作用组数据、蛋白质属性和组织特异性功能网络,预测新的蛋白质相互作用。该研究主要关注热接近共聚集法,通过优化实验流程,提高了通量和蛋白质检测的多样性。 (图1) (图片来源:Nature) Tapioca由八个子模型组成,每个子模型都利用来自质谱分析的静态交互和动态数据的独特...
通过对报道基因表达产物的检测,反过来可判别作为“诱饵”和“猎物”的两个蛋白质之间是否存在相互作用。 2、免疫共沉淀法:免疫共沉淀是一种比较经典的蛋白质相互作用方法,其实验比较简单。裂解细胞后,加入抗体,抗原被沉淀下来后洗涤,去除非特异性亲和再分析结合复合体。目前常使用Pull-down实验结合免疫共沉淀可以对可能...
该工作介绍了一个基于人工智能框架UniBind,该框架利用深度学习和蛋白质结构分析来预测SARS-CoV-2的刺突蛋白突变的影响。该工作强调了在病毒宿主相互作用和新的SARS-CoV-2变体出现中理解蛋白质相互作用的重要性。UniBind整合了蛋白质三维结构和结合亲和力数据,预测了刺突蛋白突变如何影响其与人类ACE2受体和中和抗体的结合...
现有蛋白质-蛋白质相互作用（protein-protein interaction, PPI）预测方法在未知数据集（指的是经常出现在训练集中未看到相互作用的蛋白质的数据集）上进行测试时会出现显着的性能下降。本文从两方面新型蛋白质之间的相互作用的评估框架和基于图形神经网络的方法来解决预测未知蛋白的相互作用。蛋白质-蛋白质相互作用是指两...
蛋白互作（Protein-protein interaction）在生物研究中至关重要，尤其是对于下游机制的探讨和验证。为预测蛋白互作，存在许多网站和软件工具，其中String是较为广泛使用的预测平台。然而，这些工具通常专注于预测正常蛋白之间的互作，对于融合蛋白（fusion proteins）的互作预测却相对较少。融合蛋白是由两个亲本...
在最新研究中，丛前等人通过对许多酵母蛋白复合物建模，扩展了人工智能结构预测工具箱。为了找到可能相互作用的蛋白质，科学家们首先搜索相关真菌的基因组，寻找发生突变的基因，然后使用上述两种人工智能技术来确定这些蛋白质是否可以3D结构结合在一起。他们确定了1505种可能的蛋白质复合物，其中699个结构已被表征，验证了...