子科生物報道:南加州大學(xué)的研究人員開(kāi)發(fā)了一種新的人工智能模型，并發(fā)表在《自然方法》雜志上，該模型可以準確預測不同類(lèi)型蛋白質(zhì)的不同蛋白質(zhì)如何與DNA結合，這一技術(shù)進(jìn)步有望減少開(kāi)發(fā)新藥和其他醫學(xué)治療所需的時(shí)間。

該工具被稱(chēng)為結合特異性深度預測器(DeepPBS)，是一種幾何深度學(xué)習模型，旨在從蛋白質(zhì)- dna復合物結構中預測蛋白質(zhì)- dna結合特異性。DeepPBS允許科學(xué)家和研究人員將蛋白質(zhì)- dna復合物的數據結構輸入到在線(xiàn)計算工具中。

“蛋白質(zhì)- DNA復合物的結構包含通常與單一DNA序列結合的蛋白質(zhì)。為了理解基因調控，了解蛋白質(zhì)與基因組任何DNA序列或區域的結合特異性是很重要的。deepppbs是一種人工智能工具，取代了高通量測序或結構生物學(xué)實(shí)驗來(lái)揭示蛋白質(zhì)- dna結合特異性的需要?！蹦霞又荽髮W(xué)多恩塞夫文理學(xué)院定量與計算生物學(xué)教授Remo Rohs說(shuō)。

人工智能分析

DeepPBS采用幾何深度學(xué)習模型，這是一種使用幾何結構分析數據的機器學(xué)習方法。人工智能工具旨在捕獲蛋白質(zhì)- dna的化學(xué)性質(zhì)和幾何背景，以預測結合特異性。

利用這些數據，DeepPBS生成空間圖形，說(shuō)明蛋白質(zhì)結構以及蛋白質(zhì)和DNA表示之間的關(guān)系。DeepPBS還可以預測不同蛋白質(zhì)家族的結合特異性，不像許多現有的方法僅限于一個(gè)蛋白質(zhì)家族。

“對于研究人員來(lái)說(shuō)，重要的是要有一種方法可以普遍適用于所有蛋白質(zhì)，而不僅僅局限于一個(gè)充分研究的蛋白質(zhì)家族。這種方法也允許我們設計新的蛋白質(zhì)，”Rohs說(shuō)。

蛋白質(zhì)結構預測的重大進(jìn)展

自從DeepMind的AlphaFold出現以來(lái)，蛋白質(zhì)結構預測領(lǐng)域發(fā)展迅速，AlphaFold可以根據序列預測蛋白質(zhì)結構。這些工具增加了可供科學(xué)家和研究人員分析的結構數據。DeepPBS與結構預測方法一起工作，用于預測沒(méi)有可用實(shí)驗結構的蛋白質(zhì)的特異性。

Rohs表示，DeepPBS的應用非常廣泛。這種新的研究方法可能會(huì )加速設計針對癌細胞特定突變的新藥和治療方法，并在合成生物學(xué)和RNA研究中帶來(lái)新的發(fā)現和應用。

本研究主要由NIH撥款R35GM130376支持。