创造具有深度学习，3D技术和改进蛋白质建模的更好药物

时间：2022-01-10 19:58:01来源：

由Purdue研究人员创建的鸽子，捕获蛋白质对接模型的界面与3D框的结构和精力充沛的特征，如果模型更可能使用3D卷积神经网络更有可能是正确的或不正确的。

蛋白质通常称为人体的工作分子。典型的身体具有超过20,000种不同类型的蛋白质，每个蛋白质涉及人类生命至关重要的许多功能。

现在，Purdue大学研究人员设计了一种新颖的方法来利用深度学习，更好地了解蛋白质如何在身体中的互动 - 为各种疾病中涉及的蛋白质相互作用的精确结构模型铺平，并设计专门靶向蛋白质相互作用的准确结构模型。该工作在BioInformatics中在线发布。

“要了解蛋白质复合物的功能的分子机制，生物学家已经使用了诸如X射线和显微镜等实验方法，但它们是时间和资源密集的努力，”生物科学教授和计算机科学教授Daisuke Kihara说Purdue的科学学院，领导研究团队。“我们实验室和其他机构的生物信息学研究人员一直在开发用于造型蛋白质复合物的计算方法。一个大挑战是计算方法通常会产生数千个模型，并选择正确的模型或排名模型可能是困难的。“

Kihara和他的团队开发了一个名为Dove的系统，与基于Voxel的深神经网络的对接诱饵选择，这适用于虚拟蛋白质相互作用的虚拟模型。鸽子扫描模型的蛋白质 - 蛋白界面，然后使用深度学习模型原理来区分和捕获正确和不正确的模型的结构特征。

“我们的工作代表了生物信息学领域的一个重大进步，”研究团队的研究生和成员小王说。“这可能是研究人员第一次成功使用深度学习和3D功能，以快速理解某些蛋白质模型的有效性。然后，该信息可用于创建靶向药物以阻止某些蛋白质蛋白质相互作用。“

参考：“蛋白质对接模型评估3D深卷积神经网络”由萧王，格里·特拉奇，查尔斯·克斯托夫夫勒，蒙发朱和大感kihara，2019年11月20日，Bioinformatics.doi：
10.1093 / Bioinformatics / BTZ870

Kihara在他的一些研究和技术上致力于普渡研究基金会技术商业化办公室。