論文解讀：DeepSurf：一種基于表面的深度學(xué)習(xí)方法預(yù)測蛋白質(zhì)上的配體結(jié)合位點(diǎn)?

期刊：Bioinformatics

中科院分區(qū);Q1

影像因子：6.937

發(fā)表日期：2021.6.20

代碼與數(shù)據(jù)集：GitHub - stemylonas/DeepSurf: A surface-based deep learning approach for the prediction of ligand binding sites on proteins

一、摘要

背景：了解蛋白質(zhì)上潛在的可藥物結(jié)合部位是發(fā)現(xiàn)新藥的重要的初步步驟，通過跟蹤深度學(xué)習(xí)領(lǐng)域最近的重大進(jìn)展并利用適當(dāng)數(shù)據(jù)的日益增加的可用性，可以促進(jìn)對(duì)這些領(lǐng)域的計(jì)算預(yù)測。

方法：本文提出了一種新的預(yù)測潛在結(jié)合位點(diǎn)的計(jì)算方法，稱為DeepSurf。DeepSurf結(jié)合了基于表面的表示，其中在蛋白質(zhì)的表面放置了許多3D體素網(wǎng)格，以及最先進(jìn)的深度學(xué)習(xí)架構(gòu)。

結(jié)果：在接受了scPDB大型數(shù)據(jù)庫的培訓(xùn)后，DeepSurf在三個(gè)不同的測試數(shù)據(jù)集上展示了卓越的結(jié)果，超過了所有主要的基于深度學(xué)習(xí)的競爭對(duì)手，同時(shí)獲得了一系列傳統(tǒng)的非數(shù)據(jù)驅(qū)動(dòng)方法的競爭性能。

結(jié)論：在與三個(gè)不同的完整結(jié)構(gòu)和載脂蛋白結(jié)構(gòu)的數(shù)據(jù)集上，DeepSurf與一組競爭的深度學(xué)習(xí)方法進(jìn)行了比較，結(jié)果表明DeepSurf在定位和重疊精度方面都優(yōu)于競爭的方法。盡管它在重疊精確度上占據(jù)主導(dǎo)地位，但所獲得的值仍然相當(dāng)小，證明提取理想形狀的結(jié)合位點(diǎn)仍然是一個(gè)懸而未決的問題。與許多非數(shù)據(jù)驅(qū)動(dòng)的方法相比，DeepSurf也獲得了具有競爭力的結(jié)果。

二、數(shù)據(jù)集與方法

數(shù)據(jù)集：數(shù)據(jù)來自scPDB數(shù)據(jù)庫，它是蛋白質(zhì)數(shù)據(jù)庫中不斷更新的配體位點(diǎn)的結(jié)合。這些結(jié)合位點(diǎn)由蛋白質(zhì)和藥物配的結(jié)合。3個(gè)數(shù)據(jù)集：COACH420, the HOLO4K和apo/holo 子集

方法：使用殘基網(wǎng)絡(luò)家族中的ResNetcaiyongle 采用了18層的ResNet

總結(jié)

以上是生活随笔為你收集整理的DeepSurf: A surface-based deep learning approach for theprediction of ligand binding sites on prote的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。