近日，北京大学化学与分子工程学院、北大-清华生命科学联合中心、北京大学合成与功能生物分子中心王初教授课题组与北京大学生命科学学院、蛋白质与植物基因研究国家重点实验室、北京大学生物医学前沿创新中心苏晓东教授课题组合作在Nature Chemical Biology杂志上发表了题为“Co-evolution-based prediction of metal-binding sites in proteomes by machine learning”的研究文章。在该工作中，作者开发了一种名为MetalNet的计算方法，基于机器学习和蛋白质共进化信号分析来预测蛋白质中的金属结合位点，为研究金属蛋白质组和金属生物学提供了新的工具。

金属离子具有独特的物理和化学性质，在蛋白质中发挥着稳定结构、物质运输、催化反应和信号传导等重要功能。因此，对蛋白质组中金属结合蛋白以及具体金属结合位点的鉴定有助于加深人们对蛋白质功能的理解和认识。最近，通过从多序列比对中计算得到残基之间的共进化信号并结合机器学习，科学家们可以实现对蛋白质结构和蛋白-蛋白相互作用的精准预测。受此启发，作者探究了共进化信号在蛋白质金属结合位点上的分布情况，并发展了基于共进化信号和机器学习预测蛋白质组中金属结合蛋白和金属结合位点的计算方法。

https://www.ebiotrade.com/newsf/2023-1/20230130065047108.htm

http://www.pubmedplus.cn/P/SearchQuickResult?wd=6511638f-0292-4ed1-abcd-c6e793565b53

• 主题词

• 记录数占%