.png){kind=icon}
返回
Topological machine learning for protein-nucleic acid binding affinity changes upon mutation
.png){kind=icon}
PRE
AI
DOI：10.1088/2632-2153/ae1714.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解蛋白质突变如何影响蛋白质-核酸结合对于阐明疾病机制和推进治疗至关重要。当前实验方法费时费力，而计算方法在准确性方面仍存在局限。为解决这一挑战，我们提出了一种新型拓扑机器学习模型（TopoML），该模型结合了持久拉普拉斯算子（源自拓扑数据分析）与多视角特征：物理化学性质、拓扑结构和蛋白质Transformer衍生的序列嵌入。该整合框架能够捕捉蛋白质-核酸结合相互作用的鲁棒表征。为验证所提方法，我们使用了两个数据集，一个包含596个单点氨基酸突变的蛋白质-DNA数据集，以及一个包含710个单点氨基酸突变的蛋白质-RNA数据集。结果表明，所提出的TopoML模型在预测蛋白质-DNA和蛋白质-RNA复合物中突变诱导的结合亲和力变化方面优于当前最先进的方法。
Keyword:
protein-DNA
protein-RNA
binding affinity changes upon mutation
persistent Laplacians
topological machine learning
期刊
M
IF:
4.6
论文数:
1.1K
被引数:
3.4K
机构
引用论文
PNBACE: an ensemble algorithm to predict the effects of mutations on protein-nucleic acid binding affinityPNBACE：一种用于预测突变对蛋白质-核酸结合亲和力影响的集成算法.png)
BMC Biology
OAAI
BMC BiologyIF0
OAAI分享收藏分享收藏Cancer-Associated Point Mutations in the DLC1 Tumor Suppressor and Other Rho-GAPs Occur Frequently and Are Associated with Decreased FunctionCANCER RESEARCH
OAAI
CANCER RESEARCHIF16.6
OAAI分享收藏Surface Plasmon Resonance: A Versatile Technique for Biosensor Applications表面等离子体共振: 生物传感器应用的通用技术SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏ProtTrans: Toward Understanding the Language of Life Through Self-Supervised LearningProtTrans: 通过自我监督学习来理解生活语言OAAI
OAAI分享收藏
查看更多内容