使用变分自编码器设计金属蛋白与新蛋白质折叠
生物大分子
2018-11-07 v3
摘要
新蛋白质设计有许多应用，但仍是一个消耗性的过程，仅在孤立案例中取得成功。与此同时，深度学习技术近年来迅猛普及，且随着可用数据的增长正日益适用于生物学。我们试图通过将变分自编码器用于生成以期望属性为条件的蛋白质序列，来联结蛋白质设计与深度学习。潜在的铜与钙结合位点被无人工干预地添加到非金属结合蛋白上，并与隐马尔可夫模型进行比较。在另一用例中，发展了蛋白质结构的一种文法，并用于生成一种新蛋白质拓扑的序列。通过分子动力学模拟发现一个候选结构稳定。我们的模型约束蛋白质序列的广阔搜索空间且易于扩展的能力，有潜力辅助多种蛋白质设计任务。
引用
@article{arxiv.1806.09900,
title = {Design of metalloproteins and novel protein folds using variational autoencoders},
author = {Joe G Greener and Lewis Moffat and David T Jones},
journal= {arXiv preprint arXiv:1806.09900},
year = {2018}
}
备注
JGG and LM contributed equally to the work