#今日论文推荐# 吉林大学团队使用 AI 分析大量生物数据，探索蛋白质变构过程的动态相互作用

#今日论文推荐# 吉林大学团队使用 AI 分析大量生物数据，探索蛋白质变构过程的动态相互作用

蛋白质变构是由空间远程蛋白质内通讯促进的生物过程，其中配体结合或远处位点的氨基酸变化会远程影响活性位点。分子动力学（MD）模拟提供了一种强大的计算方法来探测变构效应。然而，当前的 MD 模拟无法达到整个变构过程的时间尺度。深度学习的出现使得评估空间短程和远程通信以理解变构成为可能。

为此，吉林大学和密苏里大学的研究人员合作，开发了基于图神经网络的神经关系推理模型，该模型采用编码器-解码器架构同时推断潜在相互作用，以探索蛋白质变构过程作为相互作用残基的动态网络。

从 MD 轨迹中，该模型成功地学习了可以介导 Pin1、SOD1 和 MEK1 系统中远距离位点之间的变构通信的远程相互作用和途径。此外，该模型可以在 MD 模拟轨迹中更早地发现变构相关的相互作用，并比其他方法更准确地预测突变后的相对自由能变化。

该研究以「Neural relational inference to learn long-range allosteric interactions in proteins from molecular dynamics simulations」为题，于 2022 年 3 月 29 日发布在《Nature Communications》。

论文题目：Neural relational inference to learn long-range allosteric interactions in proteins from molecular dynamics simulations.
详细解读：https://www.aminer.cn/research_report/62830a737cb68b460fba483e?download=falsehttps://www.aminer.cn/research_report/62830a737cb68b460fba483e?download=false
AMiner链接：https://www.aminer.cn/?f=cs