蛋白質(zhì)常被稱為人體的工作物質(zhì)。一個典型的身體有20，000多種不同類型的蛋白質(zhì)，每種蛋白質(zhì)都涉及人類生活所需的許多功能。
現(xiàn)在，普渡大學的研究人員設計了一種新的方法，利用深度學習更好地理解蛋白質(zhì)在體內(nèi)的相互作用模式，從而為各種疾病相關的蛋白質(zhì)相互作用的精確結(jié)構(gòu)模型鋪平了道路，并設計了更好的專門針對蛋白質(zhì)相互作用的藥物。本作品于《生物信息學》在線發(fā)表。
生物科學和計算機科學教授景島樂基原說：“為了了解蛋白質(zhì)復合功能的分子機制，生物學家一直在使用X射線和顯微鏡等實驗方法，但這是一項耗時且資源密集型的工作。普渡大學理學院領導研究團隊?！拔覀儗嶒炇液推渌麢C構(gòu)的生物信息學研究人員一直在開發(fā)蛋白質(zhì)復合物建模的計算方法。一個巨大的挑戰(zhàn)是，一種計算方法通常會生成數(shù)千個模型，可能很難選擇正確的模型或?qū)δＰ瓦M行排名?！?
Kihara和他的團隊開發(fā)了一個名為DOVE的系統(tǒng)，該系統(tǒng)利用基于Voxel的深度神經(jīng)網(wǎng)絡技術進行誘餌選擇，并將深度學習原理應用到蛋白質(zhì)相互作用的虛擬模型中。DOVE掃描模型的蛋白質(zhì)-蛋白質(zhì)界面，然后利用深度學習模型的原理來區(qū)分和捕捉正確和錯誤模型的結(jié)構(gòu)特征。
“我們的工作代表了生物信息學領域的巨大進步，”研究生和研究團隊成員王新說。“這可能是研究人員第一次成功地利用深度學習和3D功能來快速了解一些蛋白質(zhì)模型的有效性。然后，這些信息可以用來制造靶向藥物，以防止某些蛋白質(zhì)-蛋白質(zhì)相互作用。”
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！