最近在《自然通讯》上发表的一项研究中，一个团队提出了一种基于人工智能的方法，以探讨蛋白质结构的相似性和关系。该团队成员来自弗吉尼亚大学，包括数据科学学院院长菲尔·伯恩(Phil Bourne)、资深科学家卡姆·穆拉(Cam Mura)以及最近的校友伊莱·德莱岑(Eli Draizen)。
他们的研究颠覆了传统的蛋白质结构关系观念，揭示了许多传统方法未能捕捉到的微弱关系。
具体而言，作者介绍了一个计算框架，能够在大规模（涵盖无数蛋白质）下检测和量化这些关系，结合了深度学习方法与一种新的概念模型（称为Urfold），使得不同拓扑结构的蛋白质也能展现出结构相似性。
Bourne、Mura和Draizen与Stella Veretnik共同完成了这一项目。所有作者均为伯恩和穆拉计算生物科学实验室的成员，该实验室隶属于数据科学学院和弗吉尼亚大学生物医学工程系。
该研究成果是伯恩实验室多年来开发的名为DeepUrfold的人工智能框架的结晶，使得Urfold结构关系理论得以系统性和大规模的探索。
通过DeepUrfold，伯恩实验室的研究团队在蛋白质宇宙中发现了许多微弱的结构关系，这些关系在进化或其他方面被认为是无关的。
在捕捉和描述这些遥远关系时，DeepUrfold从“社区”的视角审视蛋白质关系，避免了将蛋白质划分为孤立、不重叠的类别的传统方法。总体而言，这些新方法推动研究者超越静态、几何的蛋白质相似性思考，走向更为综合的研究方式。
伯恩是数据科学学院的创始院长，以其在结构生物信息学和计算生物学领域的研究而闻名。在职业生涯早期，他共同领导了RCSB蛋白质数据库的开发，这一数据库为蛋白质结构信息的获取提供了重要支持，并为AlphaFold等现代人工智能的发展奠定了基础。
Mura在UVA数据科学学院和生物医学工程系任职，拥有结构和计算生物学的广泛背景，包括基于RNA的系统的生化和晶体学研究以及DNA的分子生物物理学。他从分子进化的角度研究生物系统，并探索这些领域与数据科学的交集。
Draizen在伯恩的指导下获得弗吉尼亚大学生物医学工程博士学位，目前在加州大学旧金山分校担任计算生物学博士后研究员。Veretnik是弗吉尼亚大学的高级研究科学家，专注于计算生物学及蛋白质折叠的结构、功能和进化。
本文来自作者[公仙仙]投稿，不代表5664玩立场，如若转载，请注明出处：https://5664wan.cn/keji/202412-6052.html
评论列表（4条）
我是5664玩的签约作者“公仙仙”！
希望本篇文章《人工智能驱动的方法挑战了传统的蛋白质结构观点》能对你有所帮助！
本站[5664玩]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 最近在《自然通讯》上发表的一项研究中，一个团队提出了一种基于人工智能的方法，以探讨蛋白质结构的相似性和关系。该团队成员来自弗吉尼亚大学，包括数据科学学院院长菲尔·伯恩(Ph...