導讀 這些預測允許研究人員使用聚類方法對 PPI 網絡進行建模，并能夠檢測功能子網或模塊?？茖W家們研究生物體的 PPI 網絡作為了解其信號通路
這些預測允許研究人員使用聚類方法對 PPI 網絡進行建模，并能夠檢測功能子網或模塊。科學家們研究生物體的 PPI 網絡作為了解其信號通路的一種手段，這可以更好地預測細胞行為和基因功能，同時在 PPI 網絡中找到功能模塊可以幫助研究人員更深入地了解細胞功能組織。
Cowen 與麻省理工學院計算機科學和人工智能實驗室的研究人員 Sam Sledzieski、Rohit Singh 和著名計算生物學家 Bonnie Berger 一起發(fā)現(xiàn)，與當前的模型相比，在超過 38,000 個人類 PPI 上訓練的 D-SCRIPT 模型能夠更好地概括最先進的方法(深度學習方法 PIPR)，因此可以表征蒼蠅蛋白質。他們還應用 D-SCRIPT 篩選與奶牛消化相關的 PPI，并確定了與免疫反應和代謝相關的功能基因模塊。
研究人員得出結論，在人類 PPI 數(shù)據(jù)上訓練的 D-SCRIPT 模型可以應用于許多感興趣的物種——關鍵是，即使是那些很少被研究或缺乏 PPI 數(shù)據(jù)的物種。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！