靈敏度提高56%，港中文/復(fù)旦/耶魯?shù)嚷?lián)袂提出全新蛋白質(zhì)同源物檢測(cè)方法

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：靈敏度提高56%，港中文/復(fù)旦/耶魯?shù)嚷?lián)袂提出全新蛋白質(zhì)同源物檢測(cè)方法
關(guān)鍵字：蛋白質(zhì),序列,結(jié)構(gòu),解讀,方法
文章來(lái)源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

作者：田小幺
編輯：十九，李寶珠
基于蛋白質(zhì)語(yǔ)言模型和密集檢索技術(shù)，香港中文大學(xué)李煜，聯(lián)合復(fù)旦大學(xué)智能復(fù)雜體系實(shí)驗(yàn)室、上海人工智能實(shí)驗(yàn)室青年研究員孫思琦、耶魯大學(xué) Mark Gerstein 提出了一種超快速、高靈敏度的同源物檢測(cè)框架——密集同源物檢索器。蛋白質(zhì)是構(gòu)成生命的物質(zhì)基礎(chǔ)，是生命活動(dòng)的主要承擔(dān)者。在后基因組時(shí)代，隨著蛋白質(zhì)測(cè)定技術(shù)的發(fā)展，蛋白質(zhì)序列數(shù)據(jù)庫(kù)規(guī)模呈式增長(zhǎng)。為了深入了解蛋白質(zhì)的多樣性和功能，識(shí)別蛋白質(zhì)在生物學(xué)中也就顯得尤為重要。
在對(duì)蛋白質(zhì)的識(shí)別過(guò)程中，蛋白質(zhì)序列的同源性鑒定則是其中一項(xiàng)至關(guān)重要的任務(wù)，它能夠幫助科學(xué)家們理解蛋白質(zhì)的進(jìn)化關(guān)系、結(jié)構(gòu)特征以及功能。傳統(tǒng)的蛋白質(zhì)序列比對(duì)方法雖然在許多情況下表現(xiàn)出色，但在面對(duì)遠(yuǎn)端同源物時(shí)顯得力不從心。這些遠(yuǎn)端同源物由于序列相似性較低，在常規(guī)比對(duì)中往往被忽視，從而限制了研究人員對(duì)蛋白質(zhì)多樣性和復(fù)雜性的全面認(rèn)識(shí)。
為解決蛋白質(zhì)遠(yuǎn)同源性研究的痛點(diǎn)，基于蛋白質(zhì)語(yǔ)言模型和密集檢索技術(shù) (dense retrieval)，香港中文大學(xué)李煜，聯(lián)合復(fù)旦大學(xué)智能復(fù)雜體系實(shí)驗(yàn)室、上海人工智能實(shí)驗(yàn)室青年研究員孫思琦、耶魯大學(xué) Mark Ger

原文鏈接：靈敏度提高56%，港中文/復(fù)旦/耶魯?shù)嚷?lián)袂提出全新蛋白質(zhì)同源物檢測(cè)方法

聯(lián)系作者

文章來(lái)源：HyperAI超神經(jīng)
作者微信：
作者簡(jiǎn)介：