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...
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 转录因子在各种调节...
为了捕捉这种信息,8月5日Nature Methods的研究报道“Geometric deep learning of protein–DNA binding specificity”,开发了结合特异性深度预测器(DeepPBS),这是一种几何深度学习模型,旨在从蛋白质-DNA结构中预测结合特异性。DeepPBS可以应用...
南加州大学（USC）的研究人员在Nature子刊《自然方法》（Nature Methods）上发表了题为“Geometric deep learning of protein–DNA binding specificity”的文章。该研究开发了一种新型的AI模型，该模型能够准确预测不同类型的蛋白质如何与DNA结合。这个模型被称为“深度结合特异性预测器”（Deep PBS），它是一种几何深...
DeepPBS 可以提取可解释的界面残基蛋白质重原子重要性得分。当在蛋白质残基水平上聚合时，这些得分通过诱变实验进行验证。应用于针对特定 DNA 序列的设计蛋白质，DeepPBS 被证明可以预测实验测量的结合特异性。该研究以「Geometric deep learning of protein–DNA binding specificity」为题，于 2024 年 8 月 5 日发布...
DeepPBS 可以提取可解释的界面残基蛋白质重原子重要性得分。当在蛋白质残基水平上聚合时,这些得分通过诱变实验进行验证。应用于针对特定 DNA 序列的设计蛋白质,DeepPBS 被证明可以预测实验测量的结合特异性。 该研究以「Geometric deep learning of protein–DNA binding specificity」为题,于 2024 年 8 月 5 日发布...
DeepPBS 可以提取可解释的界面残基蛋白质重原子重要性得分。当在蛋白质残基水平上聚合时,这些得分通过诱变实验进行验证。应用于针对特定 DNA 序列的设计蛋白质,DeepPBS 被证明可以预测实验测量的结合特异性。 该研究以「Geometric deep learning of protein–DNA binding specificity」为题,于 2024 年 8 月 5 日发布...
DeepPBS 可以提取可解释的界面残基蛋白质重原子重要性得分。当在蛋白质残基水平上聚合时,这些得分通过诱变实验进行验证。应用于针对特定 DNA 序列的设计蛋白质,DeepPBS 被证明可以预测实验测量的结合特异性。 该研究以「Geometric deep learning of protein–DNA binding specificity」为题,于 2024 年 8 月 5 日发布...
2月12日,生物学领域重要期刊Briefings in Bioinformatics在线发表了我校人工智能学院计智伟教授课题组题为“ULDNA: Integrating Unsupervised Multi-Source Language Models with LSTM-Attention Network for High-Accuracy Protein-DNA Binding Site Prediction”的研究论文。针对蛋白质-DNA结合位点预测问题,他们开发了一种新...
摘要 DNA结合蛋白DBP(DNABindingProtein)对细胞内遗传物质的生命活动中起着至关重要的作用,包括染色体的复制、剪切及基因表达调控。DBP通过与DNA发生结合反应,行使各种不同的生物功能。因此研究DBP DNA之间的识别规律,对基因调控分析、蛋白功能预测和转录因子结合位点预测有着十分重要的意义。随着DBP DNA复合物结构数据库...