1. 基于深度图卷积网络的lncRNA复杂功能预测,国家自然科学基金-青年基金,28万,2020/01-2022/12,在研,主持
2. 基于可解释图神经网络的新冠肺炎药物设计,上海市2020“创新科技行动计划”生物医药专项,20万,202010-202209,在研,主持
随着蛋白结构AlphaFold预测准确度接近实验水平, 基于结构预测蛋白功能变得可行。蛋白质结构比较的目的是衡量两个不同蛋白质之间的结构相似性。对于涉及蛋白质的结构生物信息学来说,结构比较工具可以说是一种基础设施,是蛋白质结构预测,蛋白质分子对接,基于结构的蛋白质功能预测等任务必不可少的一部分。蛋白质结构比较方法分为两大类,一种是基于结构对齐的方法,另一种是基于表征的方法。蛋白质结构对齐方法通常比较耗时,无法满足大规模蛋白质结构检索的需求。随着蛋白质结构数据的迅速增长,基于表征的方法获得了越来越多的关注。
目前的蛋白质结构表征方法依赖于人工设计的特征,本发明将图神经网络、自监督学习技术与蛋白质结构的领域的知识(如基因本体知识 GO)相结合,本课题拟提出了一种更有效的表征方法,该方法能够生成更有鉴别力的描述子。使用该描述子可以更准确地识别目标蛋白质的相似结构,并且可提升蛋白质结构分类的精度。