利用深度学习和结构域引导的结构信息，精准预测蛋白质功能
预测蛋白质功能对于理解生物机制和疾病治疗至关重要。然而，现有方法缺乏可解释性，难以揭示蛋白质结构与功能的关联。中南大学研究团队开发了一种名为DPFunc的深度学习模型，通过整合结构域信息，显著提高了蛋白质功能预测的准确性。该研究成果已发表在《自然通讯》（Nature Communications）杂志上。
DPFunc模型由三个模块构成：残基级特征学习模块、蛋白质级特征学习模块和蛋白质功能预测模块。 残基级特征学习模块利用预训练蛋白质语言模型（ESM-1b）和图神经网络（GCN），学习蛋白质序列和结构信息。 蛋白质级特征学习模块则整合结构域信息，通过注意力机制识别与功能密切相关的关键残基或区域。最终，蛋白质功能预测模块输出预测结果，并经过后处理以保证与基因本体论（GO）项结构的一致性。
研究结果表明，DPFunc的性能显著优于现有方法，尤其在预测信息量大、样本稀少的GO项方面表现突出。 DPFunc能够有效处理序列相似性低的蛋白质，并准确预测其功能。 此外，DPFunc还能有效识别酶的关键活性位点。 通过去除结构域注意力块，实验验证了结构域信息对模型性能的提升作用。
DPFunc利用蛋白质序列作为输入，通过预测结构域信息、提取残基特征和构建结构图来进行功能预测。 该模型的优势在于其对结构域信息的有效利用，以及对关键残基区域的精准识别，从而实现了对蛋白质功能的准确预测。 未来研究将着重于如何更有效地预测蛋白质在动态环境下的功能。
论文链接：https://www.php.cn/link/90ffcbb134728e25a7388a090d0ee80b
代码链接：https://www.php.cn/link/f8e64ef83e6f6881ceca3a3922921ddd
以上就是准确预测蛋白质功能新SOTA，中南大学推出全新深度学习模型，登Nature子刊的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告![ThinkPHP5快速开发企业站点[全程实录]](https://img.php.cn/upload/course/000/000/068/6253d918a3ce7278.png)
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
305
