基于深度学习和共进化分析的人类蛋白质相互作用组大规模精准预测研究

来自全球顶尖团队的研究人员通过整合7倍深度多重序列比对和新型深度学习网络，成功突破人类蛋白质相互作用(PPI)预测瓶颈。该研究系统筛选2亿对蛋白质，获得17,849个高精度相互作用组，其中3,631个为新发现相互作用，为疾病机制研究和药物靶点发现提供重要突破。

　　

蛋白质相互作用(PPI)在生命活动中扮演着关键角色。虽然共进化分析(coevolutionary analysis)与深度学习(DL)驱动的结构预测技术已在细菌和酵母中实现全面PPI鉴定，但这些方法在更为复杂的人类蛋白质组(proteome)研究中成效有限。研究团队通过处理30拍字节(petabytes)未组装基因组数据，获得深度提升7倍的多重序列比对(multiple sequence alignments)，同时开发了新型深度学习网络，该网络基于2亿个预测蛋白质结构中的结构域-结构域相互作用(domain-domain interactions)增强数据集进行训练。通过对2亿对人类蛋白质对的系统筛选，研究成功预测出17,849个相互作用组，预期精度达90%，其中3,631个相互作用为既往实验筛选未发现的新互作。这些预测相互作用的三维模型为理解蛋白质功能及人类疾病发生机制提供了大量创新性假设。