教育新闻网KAUST科学家开发的一种新的计算工具使用人工智能(AI)来推断蛋白质的RNA结合特性。该软件称为NucleicNet，其性能优于同类的其他算法模型，并提供了有助于药物设计和开发的其他生物学见解。
“ RNA结合是许多蛋白质的基本特征，” KAUST的前研究助理，该研究的第一作者Jordy Homing Lam说。“我们基于结构的计算框架可以揭示这些蛋白质的详细RNA结合特性，这对于表征许多疾病的病理学至关重要。”
蛋白质通常与RNA分子接触，以控制基因转录物的加工和运输—当这些相互作用出错时，细胞内的信息流将被破坏，并可能引起疾病，包括癌症和神经退行性疾病。
为了更好地理解RNA分子的哪些部分倾向于结合在蛋白质的不同表面上，Lam和他的同事们转向了AI的深度学习。在KAUST的实验室工作，高林教授在Lam博士和计算生物科学研究中心工作。学生Yu Li教授NucleicNet自动学习了支持蛋白质和RNA之间相互作用的结构特征。
他们使用来自公共数据库中的158种不同蛋白质-RNA复合物的三维结构数据对算法进行了训练。将NucleicNet与其他预测模型进行对比(所有预测模型都依赖于序列输入而不是结构信息)，KAUST团队表明该工具可以最准确地检测蛋白质表面上的哪些位点与RNA分子结合。
而且，与任何其他模型不同，NucleicNet可以预测RNA分子的哪些方面在进行结合，无论是糖磷酸骨架的一部分还是遗传字母的四个字母之一。
Lam，Li和Gao与中美研究人员合作，对多种RNA结合蛋白(包括与牙龈癌和肌萎缩性侧索硬化有关的蛋白)的算法进行了验证，以证明NucleicNet推导的相互作用密切匹配实验技术揭示的那些。他们在《自然通讯》中报道了这一发现。
Lam说：“其他计算框架很少考虑基于结构的功能。”“我们利用深度学习的力量来推断那些微妙的相互作用。”
