AIGC動態歡迎閱讀

原標題：30倍于傳統方法，中國科學院團隊Transformer深度學習模型預測糖-蛋白質作用位點
關鍵字：糖類,蛋白質,結構,分子,蛋白
文章來源：機器之心
內容字數：0字

內容摘要：

編輯 | 蘿卜皮
糖類是自然界中最豐富的有機物質，對生命至關重要。了解糖類如何在生理和病理過程中調節蛋白質，可以為解決關鍵的生物學問題和開發新的治療方法提供機遇。
然而，糖類分子的多樣性和復雜性，對實驗識別糖-蛋白質結合以及相互作用的位點提出了挑戰。
在這里，中國科學院團隊開發了一種深度學習模型 DeepGlycanSite，它能夠準確預測給定蛋白質結構上的糖結合位點。
DeepGlycanSite 將蛋白質的幾何和進化特征融入具有 Transformer 架構的深度等變圖神經網絡中，其性能顯著超越了之前的先進方法，并能有效預測各種糖類分子的結合位點。
結合誘變研究，DeepGlycanSite 揭示了重要 G蛋白偶聯受體的鳥苷-5′-二磷酸糖識別位點。
這些發現表明 DeepGlycanSite 對于糖結合位點預測具有重要價值，并可以深入了解具有治療重要性蛋白質的糖類調節背后的分子機制。
該研究以「Highly accurate carbohydrate-binding site prediction with DeepGlycanSite」為題，于 2024 年 6 月 17 日發

原文鏈接：30倍于傳統方法，中國科學院團隊Transformer深度學習模型預測糖-蛋白質作用位點

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺