《自然—方法学》

几何深度学习可破译蛋白分子相互作用

瑞士洛桑生物信息学研究所B. E. Correia研究团队利用几何深度学习实现了对蛋白质分子表面相互作用特征的破译。

《自然—方法学》12月9日在线发表了这项成果。

研究人员表示，仅基于结构来预测蛋白质与其他生物分子之间的相互作用，仍然是生物学中的挑战。蛋白质结构的高级表现，即分子表面，显示出化学和几何特征的模式，从而可以识别蛋白质与其他生物分子相互作用的模式。

研究人员假设参与相似相互作用的蛋白质可能共享相同的特征，而与它们的进化历史无关。特征可能很难通过视觉分析来掌握，但可以从大规模数据集中学习。研究人员提出了MaSIF（分子表面相互作用特征），这是一个基于几何深度学习方法的概念框架，用于捕获对于特定生物分子相互作用非常重要的指纹。

研究人员展示了MaSIF面临的3个预测挑战：蛋白质口袋配体预测、蛋白质—蛋白质相互作用位点预测以及蛋白质表面超快扫描以预测蛋白质—蛋白质复合物。研究人员认为这一概念框架将改善我们对蛋白质功能和设计的理解。

相关论文信息：

https://doi.org/10.1038/s41592-019-0666-6

新算法可对细胞间交流进行建模

近日，比利时弗朗德生物技术研究院Yvan Saeys及其研究团队开发了一个名为NicheNet的算法，其能够通过连接配体和目标基因来对细胞间通讯进行建模。

12月9日，《自然—方法学》在线发表了这项成果。

研究人员表示，目前缺乏能够对细胞相互作用如何影响细胞基因表达进行建模的计算方法。

研究人员报道了NicheNet，一种通过将相互作用细胞的表达数据和信号与基因调控网络的先验知识相结合，来预测相互作用细胞之间的配体—靶标联系的方法。研究人员将NicheNet应用于肿瘤和免疫细胞微环境数据，并证明NicheNet可以推断出活性配体及其对相互作用细胞的基因调控作用。

相关论文信息：

https://doi.org/10.1038/s41592-019-0667-5

《自然—生物技术》

研究揭示人类磷酸化蛋白质组功能图谱

英国欧洲分子生物学实验室（EMBL）Pedro Beltrao和David Ochoa研究组发现人类磷酸化蛋白质组的功能全观。

相关论文在线发表于12月9日的《自然—生物技术》。

研究组手动整理了112种富含磷的蛋白质数据集，这些数据是由104种不同的人类细胞类型或组织产生的。

他们重新分析了通过质量控制标准的6801个蛋白质组学实验，创建了一个包含119809个人类磷酸化位点的参考磷酸化蛋白质组。为了对功能部位进行优先排序，他们使用机器来学习鉴别59个特征蛋白质组学、结构、调控或进化相关性表征，并将它们整合为一个功能性评分。

他们的方法确定了跨越不同分子机制、过程和疾病的调节性磷酸化位点，并揭示了基因组规模的遗传倾向性。实验验证了几种调节性磷酸位点，包括确定SMAR / SNF染色质重塑复合体SMARCC2中磷酸化位点在神经元分化中的作用。

研究人员表示，蛋白质磷酸化是几乎所有细胞过程中调节蛋白质功能的关键翻译后修饰。尽管已经在人细胞中鉴定出数以万计的磷酸化位点，但是仍缺乏确定每个磷酸位点功能重要性的方法。

相关论文信息：

https://doi.org/10.1038/s41587-019-0344-3