#今日论文推荐# 基于进化算法和深度学习方法,对核酶中性网络进行实验探索
中性网络将所有基因型与适应性景观中的等效表型连接起来,并在生物分子的突变稳健性和可进化性中发挥重要作用。与早期的理论工作相比,在最近的适应性景观实验研究中一直缺乏大型中性网络的证据。这表明进化可能在全球范围内受到限制。
在这里,日本冲绳科学技术研究生院(OIST)的研究人员证明了深度学习引导的进化算法可以有效地识别 RNA 连接酶核酶序列空间内的中性基因型。
此外,他们测量了连接两个活性核酶的所有 2^16 变体的活性,这些核酶有 16 个突变,并分析了高达 16 阶的突变相互作用(上位性)。研究人员发现了一个连接这两种基因型的广泛的中性路径网络,并揭示这些路径可能仅使用来自低阶交互的信息来预测。
同时,他们对超过 120,000 个核酶序列的实验评估提供了重要的经验证据,证明中性网络可以增加适应度景观的可访问性和可预测性。
该研究以「Experimental exploration of a ribozyme neutral network using evolutionary algorithm and deep learning」为题,于 2022 年 8 月 17 日发布在《Nature Communications》。
论文题目:Experimental exploration of a ribozyme neutral network using evolutionary algorithm and deep learning
详细解读:https://www.aminer.cn/research_report/630779f37cb68b460f0bc580https://www.aminer.cn/research_report/630779f37cb68b460f0bc580
AMiner链接:https://www.aminer.cn/?f=cs