Nature Methods丨伊松团队开发突变驱动的AI相互作用语言模型:从“预测蛋白”转向“预测网络重构”,为大规模变异功能注释提供可扩展方案
BioArt
2026-05-03 09:59
文章摘要
本文背景在于随着基因组测序技术的发展,大量遗传变异数据积累,但错义突变的功能解释仍不完善。研究目的为开发一种仅基于蛋白质序列即可准确预测单点突变如何重塑蛋白质相互作用网络的计算模型。结论是,作者提出的eSIG-Net模型通过差异学习框架显式建模突变前后的相互作用变化,不依赖蛋白结构,性能优于现有序列和结构模型,并在疾病变异案例中提供了机制解释。该模型将蛋白科学从预测相互作用转向预测网络重构,为大规模变异功能注释提供了可扩展方案。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。