導(dǎo)讀 這些預(yù)測允許研究人員使用聚類方法對 PPI 網(wǎng)絡(luò)進(jìn)行建模，并能夠檢測功能子網(wǎng)或模塊?？茖W(xué)家們研究生物體的 PPI 網(wǎng)絡(luò)作為了解其信號通路
這些預(yù)測允許研究人員使用聚類方法對 PPI 網(wǎng)絡(luò)進(jìn)行建模，并能夠檢測功能子網(wǎng)或模塊?？茖W(xué)家們研究生物體的 PPI 網(wǎng)絡(luò)作為了解其信號通路的一種手段，這可以更好地預(yù)測細(xì)胞行為和基因功能，同時在 PPI 網(wǎng)絡(luò)中找到功能模塊可以幫助研究人員更深入地了解細(xì)胞功能組織。
Cowen 與麻省理工學(xué)院計算機(jī)科學(xué)和人工智能實驗室的研究人員 Sam Sledzieski、Rohit Singh 和著名計算生物學(xué)家 Bonnie Berger 一起發(fā)現(xiàn)，與當(dāng)前的模型相比，在超過 38,000 個人類 PPI 上訓(xùn)練的 D-SCRIPT 模型能夠更好地概括最先進(jìn)的方法(深度學(xué)習(xí)方法 PIPR)，因此可以表征蒼蠅蛋白質(zhì)。他們還應(yīng)用 D-SCRIPT 篩選與奶牛消化相關(guān)的 PPI，并確定了與免疫反應(yīng)和代謝相關(guān)的功能基因模塊。
研究人員得出結(jié)論，在人類 PPI 數(shù)據(jù)上訓(xùn)練的 D-SCRIPT 模型可以應(yīng)用于許多感興趣的物種——關(guān)鍵是，即使是那些很少被研究或缺乏 PPI 數(shù)據(jù)的物種。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！