生成394,760种蛋白质表征，哈佛团队开发AI模型，全面理解蛋白质上下文

编辑 | 萝卜皮
了解蛋白质功能和开发分子疗法，需要破译蛋白质发挥作用的细胞类型，解析蛋白质之间的相互作用。
然而，对跨生物背景蛋白质相互作用进行建模对于现有算法来说仍然具有挑战性。

---

在最新的研究中，哈佛医学院的研究人员开发了 PINNACLE，这是一种生成情境感知蛋白质表征的几何深度学习方法。
PINNACLE 利用多器官单细胞图谱，在情境化蛋白质相互作用网络上进行学习，从24种组织的156种细胞类型情境中生成394,760种蛋白质表征。
该研究以「Contextual AI models for single-cell protein biology」为题，于2024年7月22日发布在《Nature Methods》。
…
蛋白质级预训练任务考虑对蛋白质相互作用进行自监督链接预测和对蛋白质节点进行细胞类型分类。这些任务使 PINNACLE 能够塑造一个嵌入空间，该空间封装了上下文感知蛋白质相互作用网络的拓扑结构和蛋白质的细胞类型身份。
PINNACLE 的细胞类型和组织特定预训练任务完全依赖于自监督链接预测，从而促进细胞和组织组织的学习。细胞类型和组织的拓扑结构通过注意力桥接机制传递给蛋白质表示，有效地将组织和细胞组织强化到蛋白质表示上。
PINNACLE 的情境化蛋白质表征可捕捉情境感知蛋白质相互作用网络的结构。这些情境化蛋白质表征在潜在空间中的区域排列反映了元图所代表的细胞和组织组织。这将导致在统一的细胞类型和组织特定框架内对蛋白质进行全面且特定于上下文的表示。
通过 PINNACLE 生成的394,760个情境化蛋白质表示，其中每个蛋白质表示都具有细胞类型特异性，研究人员证明了 PINNACLE 能够将蛋白质相互作用与156种细胞类型情境的底层蛋白质编码基因转录组相结合。
PINNACLE 的嵌入空间反映了细胞和组织结构，从而实现了组织层次结构的零样本检索。预训练的蛋白质表征可以适应下游任务：增强基于3D结构的表征以解决免疫肿瘤学蛋白质相互作用，并研究药物对不同细胞类型的影响。
PINNACLE 在指定类风湿性关节炎和炎症性肠病的治疗靶点方面优于最先进的模型，并且比无上下文模型具有更高的预测能力，可以精确定位细胞类型上下文。PINNACLE 能够根据其运行环境调整输出，为生物学中大规模上下文特定预测铺平了道路。
论文链接：https://www.nature.com/articles/s41592-024-02341-3

---

。注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要按照格式标准输出为Makedown源文件格式内容。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。