南加州大学（USC）的研究职员在Nature子刊《自然要领》（Nature Methods）上揭晓了题为“Geometric deep learning of protein–DNA binding specificity”的文章。该研究开发了一种新型的AI模子 ，该模子能够准确展望差别类型的卵白质怎样与DNA连系。
论文截图
这个模子被称为“深度连系特异性展望器”（Deep PBS） ，它是一种几何深度学习模子 ，旨在通过卵白质–DNA复合物的结构来展望卵白质–DNA的连系特异性。借助Deep PBS ，科学家和研究职员可以将卵白质–DNA复合物的数据结构输入到一个在线盘算工具中。
“卵白质–DNA复合物的结构通常包括与简单DNA序列连系的卵白质。为了明确基因调控 ，获取卵白质对任何DNA序列或基因组区域的连系特异性至关主要 ，”南加州大学多恩西夫文理学院定量与盘算生物学系教授兼首创系主任雷莫·罗赫斯（Remo Rohs）说。“Deep PBS是一种AI模子 ，它可以通过取代高通量测序或结构生物学实验来展现卵白质–DNA的连系特异性。”
图1：Deep PBS的框架示意图
AI剖析、展望卵白质–DNA结构
Deep PBS接纳了几何深度学习模子 ，是一种使用几何结构来剖析数据的机械学习要领。该模子旨在通过捕获卵白质–DNA的化学特征和几何配景 ，来展望其连系特异性。
Deep PBS基于这些数据天生空间图 ，以展示卵白质结构与DNA之间的关系。与许多现有要领差别的是 ，Deep PBS还可以展望差别卵白质家族的连系特异性。
“关于研究职员来说 ，能拥有一种适用于展望差别卵白质的通用要领很是主要。这种要领还使我们能够设计新的卵白质 ，”罗赫斯说道。
图2：Deep PBS 在展望实验确定的结构的卵白质家族之间的连系特异性方面的性能
卵白质结构展望的重大希望
自Deep Mind推出Alpha Fold以来 ，卵白质结构展望领域迎来了快速希望。Alpha Fold能够凭证序列来展望卵白质结构。这些工具为科学家和研究职员提供了大宗可供剖析的结构数据。Deep PBS与结构展望要领相连系 ，可以在没有可用实验结构的情形下展望卵白质的特异性。
罗赫斯体现 ，Deep PBS的应用远景辽阔 ，这种研究要领可能会为生命科学研究领域的计划设计提供新思绪 ，并可能在合成生物学和RNA研究中带来新的突破。
杂志：Nature Methods
DOI：10.1038/s41592-024-02372-w
