Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >【Nature communications】四篇好文简读-专题11

【Nature communications】四篇好文简读-专题11

作者头像
智能生信
发布于 2022-10-05 11:44:11
发布于 2022-10-05 11:44:11
3540
举报
文章被收录于专栏:智能生信智能生信

论文题目

Secondary structure prediction for RNA sequences including N6-methyladenosine

摘要

人们对共价修饰核苷酸在 RNA 中的作用越来越感兴趣。然而,由于缺乏软件和热力学参数,无法解释二级结构预测的修饰的存在。作者提出了N6-甲基腺苷 (m6A) 的这些问题的解决方案,允许对 A、C、G、U 和 m6A 的字母表进行二级结构预测。RNAstructure 软件现在适用于任何大小的用户定义的核苷酸字母表。作者还使用实验报告了一组包含 m6A 的螺旋和环的最近邻参数。有趣的是,N6-甲基化降低了螺旋中间腺苷的折叠稳定性,对螺旋末端腺苷的折叠稳定性几乎没有影响,而增加了堆叠在螺旋上的未配对腺苷的折叠稳定性。工作主要集中在对来自 MALAT1 的 N6 甲基化激活的蛋白质识别位点的预测以及 N6 甲基化对腺苷被埋在螺旋中的概率的人类转录组范围的影响。

论文地址

https://www.nature.com/articles/s41467-022-28817-4#Ack1

代码地址

http://rna.urmc.rochester.edu/RNAstructure.html

论文题目:

A deep-learning framework for multi-level peptide–protein interaction prediction

论文摘要:

肽-蛋白质的相互作用参与了各种基本的细胞功能,它们的识别对于设计有效的肽治疗药物至关重要。最近,人们开发了许多计算方法来预测肽-蛋白质的相互作用。然而,大多数现有的预测方法严重依赖于高分辨率的结构数据。作者在本文提出了一个多层次的肽-蛋白质相互作用预测的深度学习框架,称为CAMP,包括二元肽-蛋白质相互作用预测和相应的肽结合残基识别。综合评估表明,CAMP能够成功捕捉到肽和蛋白质之间的二元相互作用,并识别参与相互作用的肽沿线的结合残基。此外,CAMP在二元肽-蛋白质相互作用预测方面的表现优于其他最先进的方法。CAMP可以作为多肽-蛋白质相互作用预测和识别多肽中重要结合残基的有用工具,从而促进多肽药物发现过程。

论文链接:

https://www.nature.com/articles/s41467-021-25772-4

Github链接:

https://github.com/twopin/CAMP

论文题目:

Active label cleaning for improved dataset quality under resource constraints 论文摘要:

数据注释中的缺陷,即所谓的标签噪声,对机器学习模型的训练是不利的,并对模型性能的评估有干扰作用。然而,在资源有限的情况下,如医疗保健,雇用专家通过完全重新注释大型数据集来消除标签噪音是不可行的。这项工作主张采用一种数据驱动的方法来确定重新标注样本的优先次序--称之为 "主动标签清理"。作者建议根据每个样本的估计标签正确性和标签难度对实例进行排序,并引入一个模拟框架来评估重新标注的效果。作者在自然图像和专门设计的医学成像基准上的实验表明,清理噪声标签可以减轻它们对模型训练、评估和选择的负面影响。最重要的是,所提出的方法能够在现实条件下比典型的随机选择更有效地纠正标签,更好地利用专家的宝贵时间来提高数据集质量。

论文链接:

https://www.nature.com/articles/s41467-022-28818-3 Github:

https://github.com/microsoft/InnerEye-DeepLearning

论文题目:

A platform for oncogenomic reporting and interpretation

论文摘要:

人工解释变异体仍然是精准肿瘤学的限制因素。随着精准肿瘤学从单个病人扩展到整个人群,从癌症样本的全面测序中产生的分子数据的规模和复杂性不断增加,需要先进的解释平台。为了解决这一未满足的需求,作者推出了肿瘤基因组报告和解释平台(PORI),包括一个分析框架,以促进癌症体细胞变异的解释。PORI整合了报告和图知识库工具,并支持在报告阶段进行人工整理。PORI代表了商业报告解决方案的一个开源平台替代品,适用于精准肿瘤学的综合基因组数据集。作者通过将9,961个泛癌基因组图肿瘤与图知识库相匹配,计算治疗性信息改变,并提供描述特定个体样本的报告来证明PORI的效用。

论文链接:

https://www.nature.com/articles/s41467-022-28348-y

Github链接:

https://bcgsc.github.io/pori

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-06-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智能生信 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【Nature communications】四篇好文简读-专题8
Harnessing protein folding neural networks for peptide–protein docking 论文摘要:
智能生信
2022/05/23
3730
【Nature communications】四篇好文简读-专题8
【Nature communications】四篇好文简读-专题9
Rescuing low frequency variants within intra-host viral populations directly from Oxford Nanopore sequencing data 摘要
智能生信
2022/05/23
2980
【Nature communications】四篇好文简读-专题9
[Nature communications]四篇好文简读-专题3
Genome-wide detection of cytosine methylations in plant from Nanopore data using deep learning 论文摘要:
智能生信
2021/11/02
4420
[Nature Machine Intelligence]四篇好文简读-专题1
Improved protein structure prediction by deep learning irrespective of co-evolution information
智能生信
2021/11/02
7050
【Nature communications】四篇好文简读-专题2
scGNN is a novel graph neural network framework for single-cell RNA-Seq analyses 论文摘要:
智能生信
2021/10/20
8340
热点综述 | m6A × 肿瘤相关lncRNA研究思路
搞科研,关注热点很重要,比如最近小编疯狂更新的单细胞和空间组学;今天咱们换个方向,插播一条国自然热点:m6A修饰。
尐尐呅
2022/04/01
5620
热点综述 | m6A × 肿瘤相关lncRNA研究思路
一篇m6A综述的阅读笔记
Hailing Shi, Jiangbo Wei, Chuan He,Where, When, and How: Context-Dependent Functions of RNA Methylation Writers, Readers, and Erasers,Molecular Cell,Volume 74, Issue 4,2019,Pages 640-650, ISSN 1097-2765,https://doi.org/10.1016/j.molcel.2019.04.025.
Chris生命科学小站
2023/02/28
5690
一篇m6A综述的阅读笔记
【Briefings in Bioinformatics】四篇好文简读-专题19
Distant metastasis identification based on optimized graph representation of gene interaction patterns 论文摘要:
智能生信
2022/01/05
4540
【Briefings in Bioinformatics】四篇好文简读-专题19
【Nucleic Acids Research】四篇好文简读-专题11
CCPE: cell cycle pseudotime estimation for single cell RNA-seq data 论文摘要:
智能生信
2022/01/05
6540
【Nucleic Acids Research】四篇好文简读-专题11
【Nature communications】四篇好文简读-专题1
Structure-based protein function prediction using graph convolutional networks interaction information
智能生信
2021/10/20
8290
【Nature communications】四篇好文简读-专题6
Structure-based machine-guided mapping of amyloid sequence space reveals uncharted sequence clusters with higher solubilities 论文摘要:
智能生信
2022/04/06
4450
【Nature communications】四篇好文简读-专题6
【Nature communications】四篇好文简读-专题10
Protein sequence design with a learned potential 论文摘要:
智能生信
2022/05/23
4280
【Nature communications】四篇好文简读-专题10
【Nature Methods】四篇好文简读-专题5
The SpliZ generalizes ‘percent spliced in’ to reveal regulated splicing at single-cell resolution 论文摘要:
智能生信
2022/05/23
5560
【Nature Methods】四篇好文简读-专题5
【Genome Biology】四篇好文简读-专题3
A single-cell tumor immune atlas for precision oncology 论文摘要:
智能生信
2022/10/05
4750
【Genome Biology】四篇好文简读-专题3
【Nature Methods】四篇好文简读-专题6
Squidpy: a scalable framework for spatial omics analysis 论文摘要:
智能生信
2022/10/05
4170
【Nature Methods】四篇好文简读-专题6
[Nature Methods]四篇好文简读-专题1
SnapHiC: a computational pipeline to identify chromatin loops from single-cell Hi-C data 论文摘要:
智能生信
2021/11/02
6260
【Nature communications】四篇好文简读-专题12
A universal deep neural network for in-depth cleaning of single-cell RNA-Seq data
智能生信
2022/10/05
4210
【Nature communications】四篇好文简读-专题12
【Bioinformatics】四篇好文简读-专题12
scGAC: a graph attentional architecture for clustering single-cell RNA-seq data 摘要
智能生信
2022/04/06
7620
【Bioinformatics】四篇好文简读-专题12
​[Nature Communications | 论文简读] ProtGPT2是一个用于蛋白质设计的深度无监督的语言模型
ProtGPT2 is a deep unsupervised language model for protein design
智能生信
2022/12/29
7030
​[Nature Communications | 论文简读] ProtGPT2是一个用于蛋白质设计的深度无监督的语言模型
【Nature communications】四篇好文简读-专题7
DUBStepR is a scalable correlation-based feature selection method for accurately clustering single-cell data
智能生信
2022/04/06
5420
【Nature communications】四篇好文简读-专题7
推荐阅读
相关推荐
【Nature communications】四篇好文简读-专题8
更多 >
领券
社区富文本编辑器全新改版!诚邀体验~
全新交互,全新视觉,新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能,全面提升创作效率和体验
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档