MaSIF- 分子表面相互作用指纹。使用几何 深度学习 解析分子表面的模式。
MaSIF 是一种概念验证方法,用于解析蛋白质表面中对特定生物分子相互作用至关重要的模式。为此,MaSIF 利用了几何 深度学习 领域的技术。首先,MaSIF 将表面分解为重叠的径向片段,每个片段的固定几何半径,每个点都被分配给一组几何和化学特征。然后,MaSIF 计算每个表面片段的描述符,即编码片段中特征的向量。然后,可以在一组附加层中处理此描述符,以分类不同的相互作用。每个描述符中编码的特征和最终输出取决于应用特定的训练数据和优化目标,这意味着相同的架构可以用于各种任务。
此仓库包含用于将蛋白质结构文件准备成具有丰富特征(包括几何和化学特征)的表面、将其分解为片段以及基于 tensorflow 的 神经网络 代码,用于利用深度几何学习识别这些表面中的模式。为了展示该方法的潜力,我们展示了三个概念验证应用: a) 对蛋白质结合凹槽的配体预测(MaSIF-ligand); b) 在蛋白质表面中预测蛋白质蛋白质相互作用(PPI)位点,以预测蛋白质上的哪些表面片段更有可能与其他蛋白质相互作用(MaSIF-PPI)。
暂无开放 Issues，或尚未同步最近议题。