Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

0

浙江大学与澳门理工大学等机构的联合研究团队,近日在酶活性位点注释领域取得重大突破。他们研发出一种名为EasIFA的多模态深度学习方法,能够以1400倍的速度提升准确标注酶活性位点,相关研究成果已发表在《Nature Communications》子刊上。

挑战与机遇并存

酶活性位点注释对于药物发现、疾病研究、酶工程和合成生物学等多个领域的发展至关重要。然而,传统的注释方法在速度和准确性之间存在重大权衡,这限制了它们的大规模实际应用。在此背景下,浙大与澳门理工的研究团队致力于寻找一种既能提高注释速度,又能保证准确性的新方法。

EasIFA算法的突破

EasIFA算法融合了来自蛋白质语言模型和3D结构编码器的潜在酶表示,通过多模态交叉注意框架将蛋白质水平信息与酶促反应知识对齐。这种方法在保持注释质量的同时,实现了650到1400倍的速度提升,比传统的BLASTp速度提升10倍。

性能指标全面提升

在SwissProt E-RXN ASA测试集中的实验结果表明,EasIFA在定位活性位点和注释其类型的预测准确度方面,优于所有基准算法。召回率、准确率、f1分数和MCC分别提升7.57%、13.08%、9.68%和0.1012。这一成果显示出EasIFA在酶活性位点注释领域的巨大潜力。

迁移学习增强模型能力

为了克服不同数据库中相同酶活性位点的注释趋势和标准的显著差异,研究团队采用了迁移学习的方法。这使得在大型、粗略注释的数据库上训练的模型,可以转移到较小的、精细注释的数据集上。这一方法进一步增强了EasIFA模型的预测能力。

应用前景广阔

EasIFA算法不仅速度快,准确度高,还显示出作为催化位点监测工具的潜力。它可用于设计具有超出其自然分布所需功能的酶,为药物设计、疾病机制阐明和酶工程等领域提供了新的工具。

结语

总体而言,EasIFA算法有望取代业界和学术界常用的标准注释工具,为研究人员提供一种高效、准确的酶活性位点注释方法。这一成果的发表,标志着我国在酶活性位点注释领域取得了重要进展,为相关领域的研究提供了新的思路和工具。

论文链接

“`markdown

相关链接


read more

Views: 0

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注