高欣课题组提出一种基于深度学习的RNA-蛋白质结合偏好预测方法-NucleicNet。该方法基于特征向量,将蛋白质表面结构的局部理化特性编码为高维度的输入向量,使用ResNet提取特征,最后利用多层分类器预测出蛋白质表面各点与RNA组分的结合偏好。实验结果显示其能有效预测RNA结合位点和结合偏好,在MCC的指标下优于目前最先进的模型。
catRAPID:是一种用于估计蛋白质-RNA之间结合倾向的算法。通过结合二级结构,氢键和范德华力,该网站可以非常准确地预测蛋白质-RNA的结合。 链接:s.tartaglialab.com/page打开链接,界面如下图所示: 主要针对catRAPID omics v2.0这一模块进行介绍。 操作方法 01 以一个已知蛋白质预测RNA为例 第一步: 第二步: 选择第...
其中最重要的就是catRAPID omics模块了,该模块可以计算模型生物的分子(蛋白质/转录物)和参考集(转录物/核苷酸结合蛋白质)之间的相互作用。 换句话说,就是这个模块可以用已知RNA来预测相互作用的蛋白,也可以用已知的蛋白来预测相互作用的RNA。 catRAPID omics模块 在主页点击对应的超链接即可进入该模块的页面。 因为我...
Nat. Commun | 预测RNA-蛋白质结合偏好的深度学习框架 作者| 陆丰庆 指导 | 闵小平教授、曾湘祥教授 单位 | 厦门大学 研究方向 | 生物序列相互作用,深度学习 1. 研究背景 RNA与蛋白质之间的相互作用在转录后的调节中起重大作用,因此需对RNA-蛋白质(RBP)之间的结合进行预测,但是实验手段的应用难以广泛开展。
RBPsuite首先将输入的RNA序列分割为101个核苷酸的片段,并对片段与RBP之间的相互作用进行评分。RBPsuite进一步检测结合片段上已验证的基序,从而给出沿全长序列的结合得分分布。对于线性RNA,RBPsuite使用iDeepS来预测它们与RBP的结合分数;对于环状RNA(circRNA),RBPsuite使用CRIP预测它们与RBP的结合分数。
RNA-蛋白结合预测数据库 “老板给了我一个RNA,让我找直接作用机制,我该这么办?” “先用catRAPID数据库看一下与它结合的蛋白吧!” “这个数据库怎么用啊?” “看这里呀!” catRAPID数据库(http://service.tartaglialab.com/page/catrapid_group)的开发者来...
RNA及RNA结合蛋白之间的相互作用在基因调控中扮演着重要角色.许多预测RNA-蛋白质结合位点的深度学习方法陆续提出.目前多数研究没有将RNA结合蛋白作为模型输入,限制了深度学习模型的规模.对此问题,提出一个带有RNA结合蛋白输入的深度学习模型,通过扩大训练集的规模挖掘RNA-蛋白质结合位点的公共知识.模型将RNA序列先后经过...
2021年12月15日,Briefings in Bioinformatics杂志发表文章,介绍了一种用深度多任务学习预测 RNA、DNA 和蛋白质结合的内在无序残基的方法。 蛋白质固有无序区(IDR)缺乏稳定的三级结构,在生理条件下形成动态构象。最近的生物信息学研究表明,无序在自然界中非常丰富,据估计,真核蛋白质中约有20%的残基是无序的。具有...
catRAPID:是一种用于估计蛋白质-RNA之间结合倾向的算法。通过结合二级结构,氢键和范德华力,该网站可以非常准确地预测蛋白质-RNA的结合。 话不多说,上链接:http://service.tartaglialab.com/page/catrapid_group 该网站主要包含以下6个模块 下面主要就小编使用过的功能给大家简单介绍一下 ...
RNA和蛋白结合预测工具——catRAPID RNA和蛋⽩结合预测⼯具——catRAPID 在这⾥，⼩编主要从两个⽐较重要的模块来做介绍：catRAPID omics，预测某个lncRNA能和哪些蛋⽩结合，或者反之 进⼊该模块可以看到，可以从RNA⼊⼿，或者蛋⽩⼊⼿，进⾏相应的预测：以hotair为例，进⼊RNA序列模块，把...