近日，中国科学院微生物研究所吴边和崔颖璐团队在《创新》（The Innovation）上发表了题为Structure-based self-supervised learning enables ultrafast protein stability prediction upon mutation的研究论文。该研究开发出基于结构自监督学习的深度学习框架Pythia。Pythia可以快速预测蛋白质突变的稳定性变化（ΔΔG）。这一研究揭示了蛋白质三维结构蕴含的进化语义信息与热力学稳定性之间的深层关联，并通过开源代码（GitHub链接）与Web服务器技术服务体系为蛋白质工程领域提供便捷的研究工具。
蛋白质突变效应预测是解码分子进化机制、优化蛋白质工程改造的关键物理量。但是，传统预测方法面临挑战。一是基于物理力场的计算方法计算复杂度高，难以满足大规模筛选需求；二是依赖于实验数据的监督学习方法易受训练集偏差的影响，使泛化能力受限。
该团队提出了基于三维结构自监督学习的深度学习框架Pythia。Pythia融合了图神经网络与注意力机制，可直接在蛋白质结构中学习氨基酸之间的相互作用。这一“零监督”预训练策略突破了传统方法对标记数据的依赖性，捕获了蛋白质折叠过程中隐藏的物理化学约束规律。
相比于传统的力场函数方法，Pythia单点突变ΔΔG预测速度提升5个数量级，单核计算速度达到约50,000个突变/分钟。在标准测试集S2648上，Pythia的Spearman相关系数为0.616，Pearson相关系数为0.598，性能优于现有模型。这一框架为大规模扫描蛋白质序列空间提供了高效工具。在湿实验验证中，Pythia在不依赖专家筛选的情况下，成功率比基于能量函数的方法提高了一倍，证明其在实际应用中的可靠性。
Pythia有望进一步拓展至蛋白质-蛋白质相互作用预测、多突变协同效应分析等复杂场景，将助力推动计算驱动蛋白质设计范式的转型升级。
研究工作得到国家重点研发计划、国家自然科学基金、中国科学院战略性先导科技专项和青年创新促进会会员项目的支持。
论文链接
Pythia模型框架
11月8日，记者从清华大学李菂团队获悉，清华大学天文系教授、中国天眼原首席科学家李菂领衔的国际团队又有新发现。名为FRB 近日，复旦大学马余刚院士团队和纽约州立大学石溪分校贾江涌教授团队合作在RHIC-STAR国际合作组首次基于高能重离子碰撞方 为落实元首共识、深化教育交流合作，11月9日，中意大学校长对话会在北京大学举行。教育部部长怀进鹏出席对话会并致辞。他表示，中方坚持教育开放发展，愿同包括意大利在内的世界各国扩大学术交流和教育合作规模，积极参与 中国教育报-中国教育新闻网讯（记者 魏海政 通讯员 程育）11月7日，2024年济南市全民终身学习活动周开幕式在济南高新文化中心举行。 本次活动周的主题为“让学习成为一种生活方式”，要求积极发挥教 中国教育报-中国教育新闻网讯（记者 程墨 通讯员 高翔）11月12日，华中科技大学发布消息，华中科技大学国家脉冲强磁场科学中心教授李亮团队日前与东方电气集团东方电机有限公司合作，成功实现了26兆瓦 中国教育报-中国教育新闻网讯（记者 苏峰 通讯员 杨柳鑫）近日，黄河流域中药材产教融合共同体成立大会在山西药科职业学院举行，来自黄河流域8个省份39个市的相关行政事业单位、中医药企业、高等院 。本文链接：科研人员开发出基于结构自监督学习的深度学习框架http://www.sushuapos.com/show-12-748-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 首次在体外重构减数分裂DNA双链断裂形成
下一篇： 有机自旋电子器件磁响应信号调控研究获进展