TIMEDOO肽度（微信號：Time-doo）獲悉，普渡大學的研究人員開發(fā)了一種新的深度學習算法，稱為DOVE，它可以改進蛋白質(zhì)的建模，并有助于研發(fā)新藥。
人體含有兩萬多種不同類型的蛋白質(zhì)，它們之間的相互作用才使得生命得以持續(xù)。目前，科學家已經(jīng)開發(fā)了蛋白質(zhì)對接的模型來估算兩個蛋白質(zhì)是如何相互作用的，但要對接模型的結(jié)果預測準確性還存在一定難度。普渡大學的研究人員開發(fā)了一種新的計算方法來解決這一難題。
DOVE是基于體素的深度神經(jīng)網(wǎng)絡對接誘餌選擇的簡稱，它首先使用3D體素掃描所提出的蛋白質(zhì)對接構(gòu)型的蛋白質(zhì)-蛋白質(zhì)界面，同時考慮原子相互作用和能量貢獻。通過輸入3D特征數(shù)據(jù)，深度學習模型就會被訓練成可以從一大組生成的模型中，識別出接近本地的模型。
“為了了解蛋白質(zhì)復合體功能的分子機制，生物學家一直在使用X射線和顯微鏡等實驗方法，但這些都是耗費時間和資源的工作，”領導該研究團隊的普渡科學學院生物科學和計算機科學教授Daisuke Kihara說。我們實驗室和其他機構(gòu)的生物信息學研究人員一直在開發(fā)模擬蛋白質(zhì)復合物的計算方法。一大挑戰(zhàn)是，一種計算方法通常會生成數(shù)千個模型，選擇正確的模型或?qū)δＰ瓦M行排序可能會很困難。
“我們的工作意味著生物信息學領域的重大進步，”研究生、研究團隊成員小王(音譯)說。“這可能是研究人員首次成功利用深度學習和3D功能來快速了解某些蛋白質(zhì)模型的有效性。然后，這些信息可以用來創(chuàng)造有針對性的藥物，以阻止某些蛋白質(zhì)-蛋白質(zhì)的相互作用?！?/p>

更多信息請參考：journal Bioinformatics: Protein docking model evaluation by 3D deep convolutional neural networks

編輯：梁潔