Nat. Commun. | 可多层次预测多肽-蛋白质相互作用的深度学习框架
本次报道的论文来自清华大学的曾坚阳老师团队发表在nature communications上的A deep-learning framework for multi-level peptide–protein interaction prediction。文章提出了一个可多层次预测多肽-蛋白相互作用的深度学习框架(CAMP)。该模型包括二元多肽-蛋白相互作用预测和相应的多肽结合残基鉴定，通过综合....
Nat.Commun. | DeepAccNet：基于深度学习的准确性估计改善蛋白质结构优化
今天给大家介绍的是华盛顿大学蛋白质设计研究所所长，著名的蛋白质设计天才科学家David Baker课题组发表在Nature Communications上的一项工作。在这项工作中，作者提出了一个深度学习框架DeepAccNet，用于估计蛋白质模型中每个残基的准确性和残基-残基距离中的符号错误，并使用这些预测来指导Rosetta蛋白质结构优化。在Rosetta改进方案的多个阶段中，加入准确性预测，....
Nat. Commun. | 序列到功能的深度学习框架加速工程核糖调节剂设计和优化
今天给大家介绍由哈佛大学和剑桥大学的研究人员联合发表在Nature Communications的一篇文章。由于对设计规则的理解有限，设计全新的生物回路组件仍然是一项具有挑战性的工作，支点开关（Toehold Switches）的设计也面临相似的问题。针对上述情况，作者提出了两种深度学习架构——STORM和NuSpeak，这二种架构使用了卷积过滤器，注意力图和电子诱变技术用于描述和优化支点。实验....
Nat.Mach.Intell.| DEcode:深度学习解读差异基因表达原理
今天给大家介绍拉什大学的Shinya Tasaki 等人在Nature Machine Intelligence上发表的文章“Deep learning decodes the principles of differential gene expression”。作者在文章中提出了一个系统生物学模型DEcode来预测差异表达，并挖掘影响预测基因表达的因素的生物学基础，以了解其如何产生。作者在模....
Nat. Commun | 预测RNA-蛋白质结合偏好的深度学习框架
1. 研究背景RNA与蛋白质之间的相互作用在转录后的调节中起重大作用，因此需对RNA-蛋白质（RBP）之间的结合进行预测，但是实验手段的应用难以广泛开展。结构生物学实验只能检测某一个特定RNA与蛋白间的相互作用，而不能提供统计意义上的结合偏好的信息。而assay的方法可以提供结合的亲和力，但是没有办法抓住具体的结构上的结合构象的差异和细节。基于计算的手段由于具有高通量高效率的优点，正受到越来越多....
Nat. Mach. Intel. | 深度学习连提取冷冻电镜图蛋白质动力学信息都搞定了！
今天给大家介绍日本京都大学大学院医学研究科医学部教授Yasushi Okuno团队近期发表在nature machine intelligence上的关于如何利用深度学习技术DEFMap直接提取冷冻电镜密度图中蛋白质动态信息的文章。DEFMap仅使用低温冷冻电镜密度数据，获得了与分子动力学模拟和实验方法数据高度相关的动力学信息。此外，DEFMap成功地检测到与分子识别相关的动力学变化。DEFMa....
Nat. Mach. Intel. | IBM RXN: 深度学习在化学反应分类上大放异彩
最近IBM和伯尔尼大学的研究人员利用基于自注意力机制的深度神经网络实现了对化学反应的分类，该项成果发布于Nature Machine Intelligence杂志上。化学反应的分类对化学家们有很高的价值，比如利用同类反应的相似成份推测最佳反应条件等。近年来，一些机器学习方法被用于化学反应的分类，但是都存在一定的局限。IBM和伯尔尼大学的研究人员提出使用BERT(Bidirectional Enc....
Nat. Commun. | 深度学习探索可编程RNA开关
1.背景具有特定生物学功能的工程RNA分子在合成生物学中发挥着重要作用，特别是作为小分子、蛋白质和核酸的可编程反应元件；例如作为核糖开关、核糖调节因子和核酶，且在体内和体外都可应用。工程RNA分子功能的多样性给这种新兴的合成生物学预测模型的设计和验证带来挑战。目前，用于揭示RNA序列、结构和行为之间基本关系的研究主要集中在机械热力学建模和低通量实验上，这些实验往往不能提供足够的预测性和可操作性的....
Nat. Mach. Intell. | 集成深度学习在生物信息学中的发展与展望
本期给大家介绍悉尼大学Jean Yang教授课题组发表在Nature machine intelligence的文章“Ensemble deep learning in bioinformatics”。该文章综述了集成深度学习最近的关键发展，以及如何将其应用到生物信息学领域中。同时，作者还详细介绍了集成深度学习从基本序列分析到系统生物学的研究、发展和挑战。1主要思想集成和深度学习在生物信息学领域....
Nat. Mach. Intell. | 基于深度学习预测DNA甲基化位点
研究人员开发了一种预测DNA甲基化位点的机器学习算法可以帮助识别致病机制。该论文2020年8月3日发表在"Nature Machine Intelligence"上。研究人员通过机器学习开发了一种算法，可以帮助预测DNA甲基化的位点，这一过程可以改变DNA的活性而无需改变其整体结构。开发人员说，这可能有助于确定致病机制，而常规筛查方法可能会漏掉这些致病机制。该算法由美国新泽西技术学院（NJIT）....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
