Nov, 2012

蛋白质中联系预测的改进：使用拟似似然函数推断 Potts 模型

PDF
TL;DR在结构生物学中，从蛋白质的序列推断出其三维结构是一个开放性问题，本文采用伪最大似然方法应用于描述统计学特性的 Potts 模型，较现有的基于标准平均场技术的直接耦合分析方法能够更好地区分直接和间接相互作用，并成功地验证了该方法的效果。
protein coevolution3d structuresstatistical inferencedirect-coupling analysispotts models
发现论文，激发创造
  • 序列协同演化揭示蛋白质复合物的 3D 接触和结构

    该研究表明，通过分析蛋白质序列之间的相关进化序列变化，可以准确识别与蛋白质配对的残基，从而确定蛋白质复合物的三维结构，可用于残基分辨率下的互作预测，并且随着序列数据库的增长，这种方法可以扩展到基因组范围内蛋白质相互作用网络的阐明和互作预测。

    May, 2014

  • 残基共同进化的直接耦合分析捕获了许多蛋白质家族之间的原生联系

    研究表明，通过基于序列信息的直接耦合分析 (DCA) 可以预测出蛋白质的接触点，这些预测的接触点可以作为蛋白质构象、复合物形成以及领域结构的计算预测的可靠指南。

    Oct, 2011

  • 使用基于扩散的先验解决蛋白质空间中的逆问题

    通过结合物理学模型和先前训练的生成模型，我们引入了一个多功能框架，将不同类型的生物物理测量转化为三维原子模型，该方法在线性和非线性反问题上优于后验采样基线，特别是首次利用扩散方法从低温电子显微镜密度图中改进原子模型。

    Jun, 2024

  • 通过马尔可夫矩阵建模的蛋白质结构的分歧时间及其与序列分歧的关系

    蛋白质结构的时间参数化统计模型定量推断了其二级结构保守模式的发散演化，提供了一种更好的蛋白质相关性的时间参数化序列模型的替代方案，并且从结构中推断时的准确性更高。使用贝叶斯和最小信息长度的信息理论框架，研究了蛋白质三维结构的时间参数化随机矩阵及相关 Dirichlet 模型，以推断三级结构发散的马尔可夫时间。基于一百万对同源结构的分析，得出了结构和序列发散时间的关系，并且在二级结构预测方面展示了与神经网络模型相媲美的性能。

    Aug, 2023

  • 盲突变影响预测的多级蛋白质表示学习

    本文提出了一种新的预训练框架，它将用于蛋白质主体结构和三级结构的序列和几何分析器级联，模拟野生型蛋白质的自然选择并评估变体的效果，以指导遗传突变方向，实现所需特征，提出了一种新的变体影响预测方法，其预测结果在单点和深部变异方面表现良好。

    Jun, 2023

  • 从成对相关性推断出本地结构

    研究多元复杂系统的建模，利用局部结构检测与变量的成对相关性推断数据的维度和像素排列，辅助现代基于注意力机制的机器学习方法的成功实现。

    May, 2023

  • ProLLM: 蛋白链思路增强 LLM 用于蛋白质相互作用预测

    蛋白质 - 蛋白质相互作用的预测对于理解生物功能和疾病发展至关重要，本文介绍了一种基于大型语言模型的新框架 ProLLM，利用 ProCoT 蛋白质推理过程作为自然语言提示，通过结构化数据和自然语言的映射，实现了有效的间接连接蛋白质的预测，从上游到下游追踪蛋白质间的生物信号传递路径。

    Mar, 2024

  • 从蛋白质语言模型中恢复高阶相互作用

    基于 ESM2 的蛋白质语言模型的傅里叶分析发现了在稀疏 - 崎岖平面上占据主导地位的三个区域，其中两个区域更适合进行稀疏傅里叶变换，通过使用仅 700 万个 ESM2 样本中的相互作用可以在更稀疏的区域获得 0.72 的 R^2，而在更密集的区域可以获得 0.66 的 R^2，将计算时间减少了一万五千倍。

    Mar, 2024

  • 用层级旋转等变神经网络选择蛋白质复合物的结构模型

    本文介绍了一种基于机器学习的方法，利用 3D 原子坐标来直接标识蛋白质复合物的准确模型，提高准确模型的识别，也可以用于绝对预测准确结构模型的方法。

    Jun, 2020

  • 使用深度贝叶斯优化进行蛋白质反折叠

    使用深度贝叶斯优化来优化难以预测蛋白质序列的反折叠问题，并可应用于其他有约束的情况，能在减少计算资源的情况下产生具有大大降低结构误差的蛋白质序列。

    May, 2023