摘要：牛津大学的一项研究将拓扑数据分析整合到功能基因组学中，以更高的准确性和可靠性来显着改善RNA-蛋白质相互作用预测。
牛津大学的一项开创性研究引入了一种新的计算方法，该方法显着增强了RNA – 蛋白质相互作用的预测，RNA – 蛋白质相互作用是基因组学和生物医学研究的基石。
这项由Ahwanith Islam进行的研究并发表在《国家高中科学杂志》上，将拓扑数据分析（TDA）整合到生物信息学工作流程中。通过应用持续的同源性，该研究捕获了传统预测模型所遗漏的微妙拓扑特征，例如循环和空隙。
实际应用程序提高了准确性
伊斯兰教的框架使用了300个经过实验验证的RNA-蛋白质复合物，采用了Ripser库来生成持久图，后来转换为持久性图像。基于此数据的机器学习模型以0.91的AUC得分达到了88％的预测精度，超过常规方法近10％。
该方法成功地识别了包括U1A，PABP和EIF4E在内的蛋白质中的结构结合位点，使实验搜索空间最多减少了60％。这种改进可以加速药物发现，诱变研究和CRISPR研究。
研究人员声明
牛津大学研究员Ahwanith Islam说：“将持续的同源性纳入RNA蛋白质预测从根本上重塑了我们对分子相互作用的理解。” “它不仅提高了准确性，而且还为治疗设计和生物医学创新打开了新的途径。”
对基因组学和生物技术的影响
该研究建立了一个计算框架，可以重新定义科学家和生物技术公司如何处理功能基因组学。通过提供更大的预测能力和可靠性，该方法可以帮助加速靶向疗法，蛋白质工程和先进的遗传研究。
关于作者
Ahwanith Islam是牛津大学的生物信息学研究员，专门研究计算生物学。他的工作着重于将高级数学方法（例如拓扑数据分析）整合到基因组学和分子相互作用研究中。
媒体联系
组织： 牛津大学
联络人： 阿瓦尼斯伊斯兰教
网站：
电子邮件： 发送电子邮件
城市： 牛津
国家： 英国
发布ID： 33254
牛津后的研究使用TDA来增强RNA – 蛋白质预测，首先出现在国王Newswire上。该内容由第三方资料来源提供。国王Newswire不对与之相关的担保或陈述。国王Newswire是一家新闻稿分销机构，不认可或验证本新闻稿中提出的索赔。如果您有与本文有关的任何投诉或版权问题，请联系“媒体联系”部分中列出的公司
关键词：