English(EN) Predicting Transmembrane Protein Topology from 3D Structure

图神经网络利用全原子嵌入预测蛋白拓扑结构

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-29 04:00

研究人员开发了一种使用SchNet图神经网络（GNN）预测跨膜蛋白拓扑结构的新方法。该方法利用了全原子级别的嵌入，这与仅依赖蛋白质序列或α-碳的传统方法不同。该GNN在与DeepTMHMM模型相同的数据集上进行了5倍交叉验证训练，显示出在无需预训练权重的情况下进行拓扑预测的巨大潜力。 AI

影响这项研究展示了图神经网络在复杂生物学预测方面的潜力，有望推动药物发现和蛋白质工程的发展。

排序理由该集群包含一篇研究论文，详细介绍了使用图神经网络进行蛋白质拓扑结构预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Sitong Chen, Xiaopeng Mao · 2026-09-29 04:00

从三维结构预测跨膜蛋白拓扑

arXiv:2609.30446v1 Announce Type: new Abstract: This paper presents a novel approach to infer protein topology using the state-of-the-art graph neural network (GNN), SchNet. The model is trained on the same dataset used to develop the recent DeepTMHMM model with 5-fold cross-vali…