• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Advancing variant effect prediction using protein language models.

作者信息

Livesey Benjamin J, Marsh Joseph A

机构信息

MRC Human Genetics Unit, Institute of Genetics & Cancer, University of Edinburgh, Edinburgh, UK.

出版信息

Nat Genet. 2023 Sep;55(9):1426-1427. doi: 10.1038/s41588-023-01470-3.

DOI:10.1038/s41588-023-01470-3
PMID:37563330
Abstract
摘要

相似文献

1
Advancing variant effect prediction using protein language models.使用蛋白质语言模型推进变异效应预测。
Nat Genet. 2023 Sep;55(9):1426-1427. doi: 10.1038/s41588-023-01470-3.
2
Advancing brain-language models in the next millennium.推动下一个千年的脑语言模型发展。
Brain Lang. 2000 Jan;71(1):164-6. doi: 10.1006/brln.1999.2241.
3
Four central questions about prediction in language processing.关于语言处理中预测的四个核心问题。
Brain Res. 2015 Nov 11;1626:118-35. doi: 10.1016/j.brainres.2015.02.014. Epub 2015 Feb 20.
4
Do 'early' brain responses reveal word form prediction during language comprehension? A critical review.早期大脑反应能否揭示语言理解过程中的词形预测？一项批判性综述。
Neurosci Biobehav Rev. 2019 Jan;96:367-400. doi: 10.1016/j.neubiorev.2018.11.019.
5
Lexical prediction via forward models: N400 evidence from German Sign Language.基于前向模型的词汇预测：德语手语中的 N400 证据。
Neuropsychologia. 2013 Sep;51(11):2224-37. doi: 10.1016/j.neuropsychologia.2013.07.013. Epub 2013 Jul 26.
6
Language and reading development in the brain today: neuromarkers and the case for prediction.当今大脑中的语言与阅读发展：神经标志物及预测依据
J Pediatr (Rio J). 2016 May-Jun;92(3 Suppl 1):S8-S13. doi: 10.1016/j.jped.2016.01.005. Epub 2016 Mar 16.
7
ELASPIC2 (EL2): Combining Contextualized Language Models and Graph Neural Networks to Predict Effects of Mutations.ELASPIC2（EL2）：结合语境化语言模型和图神经网络来预测突变的影响。
J Mol Biol. 2021 May 28;433(11):166810. doi: 10.1016/j.jmb.2021.166810. Epub 2021 Jan 13.
8
Healthy brain connectivity predicts atrophy progression in non-fluent variant of primary progressive aphasia.健康的脑连接性可预测原发性进行性失语非流畅型的萎缩进展。
Brain. 2016 Oct;139(Pt 10):2778-2791. doi: 10.1093/brain/aww195. Epub 2016 Aug 6.
9
Cerebellar tDCS Modulates Neural Circuits during Semantic Prediction: A Combined tDCS-fMRI Study.小脑经颅直流电刺激在语义预测过程中调节神经回路：一项经颅直流电刺激与功能磁共振成像联合研究
J Neurosci. 2017 Feb 8;37(6):1604-1613. doi: 10.1523/JNEUROSCI.2818-16.2017. Epub 2017 Jan 9.
10
Fast oscillatory dynamics during language comprehension: Unification versus maintenance and prediction?语言理解过程中的快速振荡动力学：统一与维持及预测？
Brain Lang. 2015 Sep;148:51-63. doi: 10.1016/j.bandl.2015.01.003. Epub 2015 Feb 7.

引用本文的文献

1
Deep learning tools predict variants in disordered regions with lower sensitivity.深度学习工具预测无序区域变异的敏感性较低。
BMC Genomics. 2025 Apr 12;26(1):367. doi: 10.1186/s12864-025-11534-9.
2
Comprehensive structural and functional analyses of RAD50 nsSNPs: from prediction to impact assessment.RAD50单核苷酸错义多态性的综合结构与功能分析：从预测到影响评估
Front Bioinform. 2025 Mar 26;5:1535482. doi: 10.3389/fbinf.2025.1535482. eCollection 2025.
3
Understanding the heterogeneous performance of variant effect predictors across human protein-coding genes.

本文引用的文献

1
Genome-wide prediction of disease variant effects with a deep protein language model.利用深度蛋白质语言模型进行全基因组疾病变异效应预测。
Nat Genet. 2023 Sep;55(9):1512-1522. doi: 10.1038/s41588-023-01465-0. Epub 2023 Aug 10.
2
An Atlas of Variant Effects to understand the genome at nucleotide resolution.变异效应图谱，深入解析基因组核苷酸分辨率。
Genome Biol. 2023 Jul 3;24(1):147. doi: 10.1186/s13059-023-02986-x.
3
Updated benchmarking of variant effect predictors using deep mutational scanning.使用深度突变扫描对变异效应预测器进行更新的基准测试。
理解变异效应预测因子在人类蛋白质编码基因中的异质性表现。
Sci Rep. 2024 Oct 30;14(1):26114. doi: 10.1038/s41598-024-76202-6.
4
Deep neural networks for predicting the affinity landscape of protein-protein interactions.用于预测蛋白质-蛋白质相互作用亲和力格局的深度神经网络。
iScience. 2024 Aug 19;27(9):110772. doi: 10.1016/j.isci.2024.110772. eCollection 2024 Sep 20.
Mol Syst Biol. 2023 Aug 8;19(8):e11474. doi: 10.15252/msb.202211474. Epub 2023 Jun 13.
4
High-throughput deep learning variant effect prediction with Sequence UNET.高通量深度学习变体效应预测与序列 UNET。
Genome Biol. 2023 May 9;24(1):110. doi: 10.1186/s13059-023-02948-3.
5
Evolutionary-scale prediction of atomic-level protein structure with a language model.用语言模型进行原子级蛋白质结构的进化尺度预测。
Science. 2023 Mar 17;379(6637):1123-1130. doi: 10.1126/science.ade2574. Epub 2023 Mar 16.
6
MetaRNN: differentiating rare pathogenic and rare benign missense SNVs and InDels using deep learning.MetaRNN：使用深度学习区分罕见致病性和罕见良性错义 SNV 和 InDel
Genome Med. 2022 Oct 8;14(1):115. doi: 10.1186/s13073-022-01120-z.
7
Loss-of-function, gain-of-function and dominant-negative mutations have profoundly different effects on protein structure.失活突变、获得功能突变和显性负性突变对蛋白质结构的影响有显著的不同。
Nat Commun. 2022 Jul 6;13(1):3895. doi: 10.1038/s41467-022-31686-6.
8
Interpreting protein variant effects with computational predictors and deep mutational scanning.用计算预测器和深度突变扫描来解释蛋白质变异的影响。
Dis Model Mech. 2022 Jun 1;15(6). doi: 10.1242/dmm.049510. Epub 2022 Jun 23.
9
Disease variant prediction with deep generative models of evolutionary data.利用进化数据的深度生成模型进行疾病变异预测。
Nature. 2021 Nov;599(7883):91-95. doi: 10.1038/s41586-021-04043-8. Epub 2021 Oct 27.
10
Biological structure and function emerge from scaling unsupervised learning to 250 million protein sequences.生物结构和功能源于将无监督学习扩展到 2.5 亿个蛋白质序列。
Proc Natl Acad Sci U S A. 2021 Apr 13;118(15). doi: 10.1073/pnas.2016239118.