清华大学龚海鹏团队开发AI模型，精准预测蛋白质突变稳定性
北京，中国 – 准确预测蛋白质突变对稳定性的影响对于蛋白质工程和设计至关重要。近日，清华大学龚海鹏团队在《自然-通讯》杂志上发表论文，介绍了一套名为 GeoStab-suite 的基于几何学习的模型套件，该套件可用于预测蛋白质突变后的稳定性变化。
GeoStab-suite 包含三个模型：GeoFitness、GeoDDG 和 GeoDTm，分别用于预测蛋白质突变后的适应度得分、ΔΔG 和 ΔTm。GeoFitness 模型采用专门的损失函数，可以利用深度突变扫描数据库中的大量多标记适应度数据进行监督训练。为了进一步提高 ΔΔG 和 ΔTm 预测的准确性，GeoFitness 的编码器被重新用作 GeoDDG 和 GeoDTm 的预训练模块，以克服缺乏足够标记数据的挑战。这种预训练策略结合数据扩展，显著提升了模型性能和通用性。
在基准测试中，GeoDDG 和 GeoDTm 在 Spearman 相关系数方面分别比其他最先进的方法高出至少 30% 和 70%。该研究表明，GeoStab-suite 能够更准确地预测蛋白质突变对稳定性的影响，为蛋白质工程和设计提供了新的工具。
“我们的研究表明，几何学习方法可以有效地用于预测蛋白质突变的稳定性变化，”龚海鹏教授说。“GeoStab-suite 的开发将有助于加速蛋白质工程和设计，并为开发新的药物和生物材料提供新的可能性。”
GeoStab-suite 的主要优势包括：
- 高精度预测：GeoDDG 和 GeoDTm 在基准测试中表现出色，显著优于其他模型。
- 通用性强：GeoStab-suite 可以用于预测各种蛋白质的突变稳定性变化。
- 易于使用：GeoStab-suite 作为一个模型套件，易于使用和集成到现有的蛋白质工程工作流程中。
未来研究方向：
龚海鹏教授团队将继续研究改进 GeoStab-suite 的性能，并将其应用于更广泛的蛋白质工程和设计问题。他们还计划开发新的方法，以更准确地预测蛋白质突变对功能的影响。
参考文献：
作者：KX
编辑：KX
关键词：蛋白质工程，AI，机器学习，稳定性预测，GeoStab-suite，龚海鹏，清华大学
注意：这篇文章使用了简洁的语言，并包含了关键信息，例如研究团队、研究成果、优势、未来方向等。此外，还包含了参考文献链接，方便读者进一步了解相关信息。
Views: 0