用全息卷积神经网络学习蛋白质微环境的形状
生物物理
2022-11-08 v1 机器学习
定量方法
摘要
从免疫识别到大脑活动，蛋白质在生物学中起着核心作用。尽管机器学习领域的重大进展提升了我们从序列预测蛋白质结构的能力，但从结构确定蛋白质功能仍是一项重大挑战。在此，我们引入面向蛋白质的全息卷积神经网络（H-CNN），这是一种受物理驱动的机器学习方法，用于建模蛋白质结构中氨基酸的偏好。H-CNN 反映了蛋白质结构中的物理相互作用，并再现了进化数据中存储的功能信息。H-CNN 准确预测了突变对蛋白质功能的影响，包括蛋白质复合物的稳定性与结合。我们这种可解释的蛋白质结构-功能映射计算模型可指导设计具有期望功能的新型蛋白质。
引用
@article{arxiv.2211.02936,
title = {Learning the shape of protein micro-environments with a holographic convolutional neural network},
author = {Michael N. Pun and Andrew Ivanov and Quinn Bellamy and Zachary Montague and Colin LaMont and Philip Bradley and Jakub Otwinowski and Armita Nourmohammad},
journal= {arXiv preprint arXiv:2211.02936},
year = {2022}
}