論文解讀：DeepSurf：一種基于表面的深度學習方法預測蛋白質上的配體結合位點?

期刊：Bioinformatics

中科院分區;Q1

影像因子：6.937

發表日期：2021.6.20

代碼與數據集：GitHub - stemylonas/DeepSurf: A surface-based deep learning approach for the prediction of ligand binding sites on proteins

一、摘要

背景：了解蛋白質上潛在的可藥物結合部位是發現新藥的重要的初步步驟，通過跟蹤深度學習領域最近的重大進展并利用適當數據的日益增加的可用性，可以促進對這些領域的計算預測。

方法：本文提出了一種新的預測潛在結合位點的計算方法，稱為DeepSurf。DeepSurf結合了基于表面的表示，其中在蛋白質的表面放置了許多3D體素網格，以及最先進的深度學習架構。

結果：在接受了scPDB大型數據庫的培訓后，DeepSurf在三個不同的測試數據集上展示了卓越的結果，超過了所有主要的基于深度學習的競爭對手，同時獲得了一系列傳統的非數據驅動方法的競爭性能。

結論：在與三個不同的完整結構和載脂蛋白結構的數據集上，DeepSurf與一組競爭的深度學習方法進行了比較，結果表明DeepSurf在定位和重疊精度方面都優于競爭的方法。盡管它在重疊精確度上占據主導地位，但所獲得的值仍然相當小，證明提取理想形狀的結合位點仍然是一個懸而未決的問題。與許多非數據驅動的方法相比，DeepSurf也獲得了具有競爭力的結果。

二、數據集與方法

數據集：數據來自scPDB數據庫，它是蛋白質數據庫中不斷更新的配體位點的結合。這些結合位點由蛋白質和藥物配的結合。3個數據集：COACH420, the HOLO4K和apo/holo 子集

方法：使用殘基網絡家族中的ResNetcaiyongle 采用了18層的ResNet

總結

以上是生活随笔為你收集整理的DeepSurf: A surface-based deep learning approach for theprediction of ligand binding sites on prote的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。