深度学习预测不同的DNA-DNA结合方式，并构建高度互联的网络结构

《Nature Communications》：Deep Learning Predicts Dissimilar DNA-DNA Binding and Engineers Hyperconnected Networks

　　

摘要

分子生物工程和合成生物学中的常见框架注重序列的正交性，将弱相互作用或非特异性相互作用视为需要避免的问题。这限制了可使用的序列空间，降低了系统的可扩展性，同时也忽视了那些合成系统必须在序列多样性极高的自然环境中运行的情况。由于缺乏能够准确且快速预测非正交相互作用并可通过真实数据验证的模型，因此很难充分利用所有的序列空间。在此，我们以DNA-DNA相互作用作为测试平台，开发出了BINND——一种用于DNA结合与相互作用的神经网络模型。BINND结合了可检测数百万种相互作用的超高通量平台与深度学习模型，其预测准确率可超过80%，能够在不同序列上保持良好的泛化能力，且运行速度比现有模型快50倍。我们通过一个包含虚构故事书中角色的可搜索DNA网络来展示该模型的价值。BINND可为诊断、生物工程以及DNA折纸技术提供准确的预测支持，有助于实现充分利用全部序列空间的目标。