深度学习在基于序列的蛋白质互作预测中的应用进展

Advances in applications of deep learning for predicting sequence-based protein interactions

二维码有效期 120s

摘要蛋白质-蛋白质相互作用在细胞信号转导、基因表达和代谢调控等生物过程中发挥重要作用,鉴定蛋白质间的相互作用对于理解复杂生物过程至关重要.预测蛋白质间的相互作用可以为药物发现、蛋白质功能研究和设计等领域提供帮助.近年来,随着人工智能技术的蓬勃发展,深度学习技术在预测蛋白质互作领域做出巨大贡献,其中基于序列的深度学习模型通过学习蛋白质序列信息的深层特征进行互作预测.本文综述了深度学习在基于序列的蛋白质互作预测中的应用,按照算法框架和时间线对该领域进展进行分类归纳,介绍了数据处理、序列编码方法、算法架构以及模型的评估指标等内容,并分析了当前面临的问题以及未来的发展方向.随着深度学习技术的发展,预测蛋白质互作的效率大幅提高,未来需要发展泛化能力更强的预测模型,助力蛋白质互作的预测.

作者朱景勇 ^[1] 李钧翔 ^[2] 李旭辉 ^[3] 张瑾 ^[4] 毋文静 ^[4] 学术成果认领

作者单位浙江理工大学生命科学与医药学院,浙江杭州 310018;嘉兴学院生物与化学工程学院,浙江嘉兴 314000;浙江清华长三角研究院,衰老科学创新研发中心,浙江嘉兴 341001 ^[1] 浙江清华长三角研究院,衰老科学创新研发中心,浙江嘉兴 341001;禾美生物科技(浙江)有限公司,浙江嘉兴 341001 ^[2] 浙江清华长三角研究院,衰老科学创新研发中心,浙江嘉兴 341001;浙江清华长三角研究院,浙江省应用酶学重点实验室,浙江嘉兴 314006 ^[3] 嘉兴学院生物与化学工程学院,浙江嘉兴 314000 ^[4]

关键词蛋白质互作深度学习人工智能序列编码神经网络 protein interactions deep learning artificial intelligence sequence encoding neural network

分类号 Q816

栏目名称 特约评述

DOI 10.12211/2096-8280.2023-074

发布时间 2024-03-27

基金项目

国家自然科学基金 国家自然科学基金 浙江省自然科学基金重点项目