ScanNet通过深度学习揭示蛋白质结构中的结合基序。 - Suppr | 超能文献

ScanNet uncovers binding motifs in protein structures with deep learning.

出版信息

Nat Methods. 2022 Jun;19(6):660-661. doi: 10.1038/s41592-022-01492-5.

DOI:10.1038/s41592-022-01492-5

Abstract

摘要

文献AI研究员

20分钟写一篇综述，助力文献阅读效率提升50倍。

用中文搜PubMed

大模型驱动的PubMed中文搜索引擎

文档翻译

学术文献翻译模型，支持多种主流文档格式。

相似文献

1

ScanNet uncovers binding motifs in protein structures with deep learning.ScanNet通过深度学习揭示蛋白质结构中的结合基序。

Nat Methods. 2022 Jun;19(6):660-661. doi: 10.1038/s41592-022-01492-5.

2

ScanNet: A Web Server for Structure-based Prediction of Protein Binding Sites with Geometric Deep Learning.ScanNet：基于几何深度学习的蛋白质结合位点结构预测的网络服务器。

J Mol Biol. 2022 Oct 15;434(19):167758. doi: 10.1016/j.jmb.2022.167758. Epub 2022 Jul 22.

3

ScanNet: an interpretable geometric deep learning model for structure-based protein binding site prediction.ScanNet：一种用于基于结构的蛋白质结合位点预测的可解释几何深度学习模型。

Nat Methods. 2022 Jun;19(6):730-739. doi: 10.1038/s41592-022-01490-7. Epub 2022 May 30.

4

DeepMotifSyn: a deep learning approach to synthesize heterodimeric DNA motifs.DeepMotifSyn：一种用于合成异二聚体 DNA 基序的深度学习方法。

Brief Bioinform. 2022 Jan 17;23(1). doi: 10.1093/bib/bbab334.

5

Prediction of regulatory motifs from human Chip-sequencing data using a deep learning framework.使用深度学习框架从人类 Chip-sequencing 数据中预测调控基序。

Nucleic Acids Res. 2019 Sep 5;47(15):7809-7824. doi: 10.1093/nar/gkz672.

6

Deep neural networks for interpreting RNA-binding protein target preferences.用于解释 RNA 结合蛋白靶标偏好的深度神经网络。

Genome Res. 2020 Feb;30(2):214-226. doi: 10.1101/gr.247494.118. Epub 2020 Jan 28.

7

Identifying complex motifs in massive omics data with a variable-convolutional layer in deep neural network.利用深度神经网络中的可变卷积层识别大规模组学数据中的复杂基序。

Brief Bioinform. 2021 Nov 5;22(6). doi: 10.1093/bib/bbab233.

8

RNA-protein binding motifs mining with a new hybrid deep learning based cross-domain knowledge integration approach.基于新型混合深度学习跨域知识整合方法的RNA-蛋白质结合基序挖掘

BMC Bioinformatics. 2017 Feb 28;18(1):136. doi: 10.1186/s12859-017-1561-8.

9

DeepCLIP: predicting the effect of mutations on protein-RNA binding with deep learning.DeepCLIP：利用深度学习预测突变对蛋白质-RNA 结合的影响。

Nucleic Acids Res. 2020 Jul 27;48(13):7099-7118. doi: 10.1093/nar/gkaa530.

10

Deep Learning of Sequence Patterns for CCCTC-Binding Factor-Mediated Chromatin Loop Formation.序列模式的深度学习在 CCCTC 结合因子介导的染色质环形成中的应用。

J Comput Biol. 2021 Feb;28(2):133-145. doi: 10.1089/cmb.2020.0225. Epub 2020 Nov 25.

引用本文的文献

1

Allergies to Allergens from Cats and Dogs: A Review and Update on Sources, Pathogenesis, and Strategies.对猫和狗过敏原的过敏反应：来源、发病机制和策略的综述和更新。

Int J Mol Sci. 2024 Sep 29;25(19):10520. doi: 10.3390/ijms251910520.