预测蛋白质蛋白质相互作用

这些预测允许研究人员使用聚类方法对 PPI 网络进行建模，并能够检测功能子网或模块。科学家们研究生物体的 PPI 网络作为了解其信号通路的一种手段，这可以更好地预测细胞行为和基因功能，同时在 PPI 网络中找到功能模块可以帮助研究人员更深入地了解细胞功能组织。

Cowen 与麻省理工学院计算机科学和人工智能实验室的研究人员 Sam Sledzieski、Rohit Singh 和著名计算生物学家 Bonnie Berger 一起发现，与当前的模型相比，在超过 38,000 个人类 PPI 上训练的 D-SCRIPT 模型能够更好地概括最先进的方法(深度学习方法 PIPR)，因此可以表征苍蝇蛋白质。他们还应用 D-SCRIPT 筛选与奶牛消化相关的 PPI，并确定了与免疫反应和代谢相关的功能基因模块。

研究人员得出结论，在人类 PPI 数据上训练的 D-SCRIPT 模型可以应用于许多感兴趣的物种——关键是，即使是那些很少被研究或缺乏 PPI 数据的物种。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！