引入了机器学习方法,通过少量的数据学习。只使用原子坐标作为输入。
预测RNA三维结构比预测蛋白质结构更困难。
设计了一个原子旋转等变评分器ARES,由每个原子的三维坐标和化学元素类型(输入) 指定,ARES预测模型与未知真实结构的均根方差 RMSD。ARES是一个深度神经网络,直接从3D原子结构中学习,本质上适用于任何分子。
ARES的初始层收集局部信息,而其余层收集所有原子之间的信息。这种组合允许ARES预测全局属性,同时捕获局部结构主题和原子间相互作用的细节。
过程:
训练:ARES将每个原子的元素类型和三维坐标指定的结构模型作为输入。原子特征根据附近原子的特征反复更新。这个过程产生了一组编码每个原子环境的特征。然后将每个特征在所有原子上取平均值,并将所得平均值输入到额外的神经网络层中,这些神经网络层根据RNA分子的真实结构输出结构模型的预测RMSD,更新参数。
测试:使用Rosetta FARFAR2采样方法从候选的结构中生成了每个RNA的1000个结构模型,根据ARES的评分选择最好的模型。
局限性:
它依赖于先前开发的采样方法来生成候选结构模型。未来的工作可能会使用ARES来指导。
论文阅读《Geometric deep learning of RNA structure》
zbdx不知名菜鸡2024-08-10 21:21
相关推荐
罗西的思考32 分钟前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示tellmewhoisi8 小时前
深度学习0:数学知识:(雅可比矩阵)谙弆悕博士11 小时前
从“预测下一个词”到“预测世界下一状态”:世界模型是不是下一个AGI叙事?咕泡科技11 小时前
关于机器学习,如何通俗理解全连接层(fully connected layer)?电科_银尘1 天前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB猿人谷1 天前
遗传编程的未来:从进化搜索到自主发现求解方法泓博1 天前
Android仿写苹果缩放窗口在所不辞兄1 天前
【人工智能驱动的电催化研究-07】CSV文件、路径与可追溯记录jay神1 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)电科_银尘2 天前
【深度学习项目实战·33】自定义数据集:把自己的图片接入PyTorch