1. ProBID-Net, doğal protein-protein komplekslerinin yapısal bilgilerinden yararlanarak yüksek özgüllükle protein-protein bağlanma arayüzleri tasarlayan yeni bir derin öğrenme modelidir.
2. Bu model, bilinen reseptör dizilerini dikkate alarak belirlenmiş bağlanma bölgelerinde daha yüksek doğrulukla arayüz tasarlama sorununu çözmektedir.
3. ProBID-Net, doğal protein-protein kompleks yapıları ve protein domain-domain arayüzlerini içeren kapsamlı bir veri setiyle eğitilmiş ve arayüz tanıma ile dizi geri kazanımında yüksek performans göstermiştir.
4. Model, bağımsız testlerde %52,7 oranında dizi geri kazanımı elde ederek ProteinMPNN gibi rakiplerini geride bırakmış ve arayüz kalıntı dizilerini doğru şekilde tahmin etme yeteneğini kanıtlamıştır.
5. Tasarımlar, AlphaFold-Multimer ile doğrulanmış ve tahmin edilen yapılarla hedef yapılar arasında uyum sağlanarak ProBID-Net’in katlanma ve bağlanma doğruluğu gösterilmiştir.
6. ProBID-Net’in yenilikçi özelliklerinden biri, belirli mutasyon verileriyle eğitilmeden mutasyonların bağlanma afinitesindeki değişimlerini tahmin edebilme kapasitesidir. Bu özellik, sıfır veriyle protein mühendisliği için öngörü yapma potansiyelini ortaya koymaktadır.
7. Sonuçlar, ProBID-Net’in ProteinMPNN ve Rosetta Design gibi modellerden daha üstün performans sergilediğini ve bağlanma stabilitesi için kritik olan hidrofobiklik korunmasını başarılı bir şekilde yakaladığını göstermektedir.
8. Eğitim verilerinde domain-domain arayüzlerinin dahil edilmesi, ProBID-Net’in farklı protein etkileşimleri üzerinde genelleme yapma yeteneğini güçlendirmiştir.
9. ProBID-Net, terapötik protein geliştirme ve sentetik biyoloji uygulamaları için kararlı ve işlevsel protein-protein kompleksleri tasarlamada umut vadeden bir araç olarak doğrulanmıştır.
💻Kod: github.com/ComputArtCMCG/...
📜Makale: pubs.rsc.org/en/content/art...
Hiç yorum yok:
Yorum Gönder