综合新闻

当前位置: kb体育网站 > 正文 > 

软物质与生物功能材料研究团队在国际权威期刊发表论文

资讯来源 :       发布时间 : 2024-03-03 09:35

近日,理学院应用物理系软物质与生物功能材料研究团队研究成果“Geometric deep learning for the prediction of magnesium-binding sites in RNA structures”(点击阅读)在国际权威期刊《International Journal of Biological Macromolecules》上发表。该论文浙江科技大学为第一单位,应用物理系2021级硕士研究生王康为第一作者,浙江科技大学孙婷婷教授、江苏理工学院许晓军教授为论文通讯作者。

(图1 左:RNA-Mg2+结合口袋;中:RNA-Mg2+口袋点云数据表面;右:分子表面相互作用指纹)

该研究基于深度学习和分子指纹技术(图1),从RNA-Mg2+三维结合口袋获取点云表面数据,以测地线半径为12Ả提取表面补丁,分别提取形状索引(SI)、距离相关曲率(DDC)、Mg2+与顶点距离(DMV)、Mg2+与顶点角度(AMV)和原子电荷(AC)等四个几何特征和一个化学特征制作分子表面指纹,送入残差网络进行学习和预测,结果如图2所示。

(图2 (a) 462D全空间枚举decoy Mg2+; (b) 462D分子表面预测效果图,绿球为真实Mg2+,红球为预测TOP-1可信Mg2+,白球为不可信Mg2+;(c) 局部放大图;(d) 462D分子骨架效果图)

该模型对独立测试集462D的8个实验测定的Mg2+在可信度为TOP-1时,预测精确度为87.5%,在可信度为TOP-3时,精确度为100%。相较于最新的MgNet的TOP-12、Metal3DRNA的TOP-20深度算法,本研究的学习算法有较大提升,而且在捕捉Mg2+与RNA之间的物理相互作用方面特别有效。此项工作得到国家自然科学基金、浙江省自然科学基金的资助。


联系我们

地址:浙江省杭州市西湖区留和路318号

邮编:310023

友情链接

 Copyright © 2022 浙江科技大学  All Rights Reserved    浙ICP备11051284号   浙公网安备 33010602010616号

Copyright © 2022 浙江科技大学 All Rights Reserved
浙ICP备11051284号 浙公网安备 33010602010616号