人工智能成功预测蛋白质相互作用 美国科学家主导的国际科研团队在最新一期《科学》杂志撰文指出，他们利用人工智能和进化分析，绘制出了真核生物的蛋白质之间相互作用的3D模型，首次确定了100多个可能的蛋白质复合物，并为700多个蛋白质复合物提供了结构模型，深入研究蛋白质相互作用有望催生新的药物。研究负责人之一、美...
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...
CASP14后的蛋白质单链结构预测方法,应用到复合物上,刚好可以实现Fold-and-Dock的方法,一步到位地兼顾了速度与主链的变化。 于是,以AlphaFold2(AF2)这一神器为基础,Patrick Bryant等人提升了蛋白复合物预测的能力,该工作于近日发表在NatureCommunication上。 ——方法发展与结果—— 作者探索了不同的AF2用法与不同的...
【嵌牛导读】本文通过依赖经典QSAR描述符的机器学习方法,将具有蛋白质-蛋白质相互作用(PPI)抑制剂的数据集与FDA药物数据库和ZINC数据库的子集进行比较,得到一个包含三个描述符(SHP2、nRCOOR、Mor11m)的决策树,通过相关程序验证,表明它不是偶然相关的结果,而是具有预测潜在PPI抑制剂价值的。 【嵌牛鼻子】机器学习、蛋...
一般来说,蛋白质并不是单独发挥作用的,而是通过彼此之间发生相互作用,即蛋白质-蛋白质相互作用(PPI)来完成相应的任务。除此以外,对蛋白质相互作用的研究能够为医学诊断和治疗提供新视角,促进新药的设计以及生物医学的发展。因此,预测PPI已成为系统生物学的基础课题,且引起了越来越多的关注。
蛋白质-蛋白质相互作用(PPI)与许多生物效应有关,所以特异性干扰蛋白质-蛋白质识别过程的小分子在将来的药物开发中将变得越来越重要。 本文通过依赖经典QSAR描述符的机器学习方法,将具有蛋白质-蛋白质相互作用(PPI)抑制剂的数据集与FDA药物数据库和ZINC数据库的子集进行比较,得到一个包含三个描述符(SHP2、nRCOOR、Mor...
针对AlphaFold3的结构预测设计小分子,有助于设计出能有效结合靶蛋白的分子。 AlphaFold3提高了蛋白-蛋白相互作用结构的准确性,为设计新的治疗模式(如抗体或其他治疗性蛋白质)打开了可能性。 通过观察目标蛋白在完整生物环境中(与其他蛋白质、DNA...
研究内容:蛋白质相互作用的机制、产生的效应(如细胞信号)、蛋白质之间的关系(构建蛋白质复合体) 关键:结合域 技术高速发展,大量数据构成**人类蛋白互作组(interactome)** 数据库:IntAct **系统生物学(systems biology)**:将生物体视作整体,研究作用网络以及影响因素 ...
Cell Systems:预测蛋白质相互作用 编辑推荐: 在《细胞系统》杂志上发表的一项研究中,塔夫茨大学计算机科学系的Lenore Cowen教授和麻省理工学院(MIT)的同事合作设计了一种结构驱动的深度学习方法,该方法基于神经语言建模的最新进展。该团队的深度学习模型被称为D-SCRIPT,能够从主要氨基酸序列预测蛋白质-蛋白质相互作用(...