人類(lèi)必需蛋白（Human essential protein，HEP）對(duì)于個(gè)體的生存和發(fā)育是必不可少的。然而，鑒定HEP的實(shí)驗(yàn)方法往往昂貴、耗時(shí)和勞動(dòng)密集型的，例如CRISPR-Cas9基因敲除實(shí)驗(yàn)及基因過(guò)表達(dá)實(shí)驗(yàn)，且這些實(shí)驗(yàn)方法難以推廣到人類(lèi)全蛋白質(zhì)組。
因此，亟需計(jì)算方法來(lái)快速準(zhǔn)確預(yù)測(cè)人類(lèi)全部蛋白質(zhì)的重要性，但現(xiàn)有的計(jì)算方法只能在人源細(xì)胞系水平預(yù)測(cè)HEP，而實(shí)際上，HEP在人類(lèi)、細(xì)胞系和動(dòng)物模型中存在高度差異性。這就要求我們?cè)谠O(shè)計(jì)預(yù)測(cè)算法時(shí)，不僅需要提升算法的預(yù)測(cè)精度，還要需要考慮蛋白質(zhì)重要性存在的變異性。
近年來(lái)，深度學(xué)習(xí)（Deep Learning，DL）和大語(yǔ)言模型（Large Language Model，LLM）技術(shù)的快速發(fā)展，為蛋白質(zhì)重要性預(yù)測(cè)提供了新思路。
2024年11月27日，崔慶華團(tuán)隊(duì)在 Nature 子刊 Nature Computational Science 上發(fā)表了題為：Comprehensive prediction and analysis of human protein essentiality based on a pre-trained protein large language model 的研究論文。
該研究通過(guò)微調(diào)預(yù)訓(xùn)練的蛋白質(zhì)語(yǔ)言模型，開(kāi)發(fā)了一個(gè)基于序列的深度學(xué)習(xí)模型——蛋白質(zhì)重要性計(jì)算器（Protein Importance Calculator，PIC），實(shí)現(xiàn)人類(lèi)蛋白必要性/重要性的綜合預(yù)測(cè)和分析。
該研究提出的PIC算法相較于此前最先進(jìn)的計(jì)算方法DeepCellEss獲得顯著性能提升（AUROC和AUPRC分別提升9.64%和10.52%）。
除了具有優(yōu)異的性能外，PIC算法是首個(gè)可以同時(shí)預(yù)測(cè)蛋白質(zhì)在人體、人源細(xì)胞系和小鼠中的重要性評(píng)分的工具，能夠?yàn)槿祟?lèi)所有蛋白質(zhì)的重要性進(jìn)行綜合的預(yù)測(cè)評(píng)估。在案例研究中，研究團(tuán)隊(duì)使用PIC算法成功預(yù)測(cè)了人類(lèi)乳腺癌中的關(guān)鍵蛋白質(zhì)靶點(diǎn)，并證明了其作為乳腺癌患者預(yù)后標(biāo)志物的價(jià)值。
最后，研究團(tuán)隊(duì)使用PIC算法首次為617462種人類(lèi)微蛋白（Human microproteins）的重要性進(jìn)行了預(yù)測(cè)，這將為微蛋白的研究提供有力幫助。
北京大學(xué)基礎(chǔ)醫(yī)學(xué)院醫(yī)學(xué)生物信息學(xué)系博士生康伯銘和已畢業(yè)博士樊銳為論文共同第一作者，崔慶華教授（現(xiàn)為武漢體育學(xué)院教授）為論文通訊作者，北京大學(xué)基礎(chǔ)醫(yī)學(xué)院為論文第一單位。
論文鏈接：https://www.nature.com/articles/s43588-024-00733-1
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國(guó)際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號(hào)-57
