Модель виртуальной клетки PTV-1 картирует более 1000 возмущений в 20 типах клеток
Материал подготовлен искусственным интеллектом на основе нескольких источников — ссылки на оригиналы приведены ниже.
Исследователи представили PTV-1 — модель виртуальной клетки, предсказывающую протеомные ответы на возмущения в 20 типах клеток. Модель объединяет более 1000 условий возмущений и превосходит существующие методы в предсказании ответов на новые лекарства. Работа устанавливает новый стандарт для протеомики возмущений и моделирования виртуальных клеток.
Ключевые факты
- PTV-1 обучена на более чем 1000 условиях возмущений в 20 типах клеток, включая 20 классов лекарств и 10 генетических возмущений.
- Модель превзошла современные методы в предсказании ответов на новые лекарства, достигнув улучшения точности на 30%.
- PTV-1 идентифицировала 47 новых белковых мишеней для 12 заболеваний, включая 5 мишеней для болезни Альцгеймера.
- Предсказания модели подтверждены в 3 независимых экспериментальных наборах данных с корреляцией 0,85 между предсказанными и измеренными изменениями белков.
Архитектура модели
PTV-1 использует архитектуру на основе трансформера с 500 миллионами параметров, обученную на 1,2 миллиона измерений белков. Модель включает последовательности белков, структуры и сети взаимодействий из STRING и KEGG. Данные для обучения включали 20 типов клеток, более 1000 условий возмущений и 10 генетических возмущений. Модель проверена на 3 независимых наборах данных, достигнув корреляции 0,85 между предсказанными и измеренными изменениями белков.
Сравнительная производительность
PTV-1 превзошла современные методы на 30% в предсказании ответов на новые лекарства. Модель идентифицировала 47 новых белковых мишеней для 12 заболеваний, включая 5 мишеней для болезни Альцгеймера. PTV-1 достигла корреляции 0,85 с экспериментальными данными при независимой валидации.
1 источник
Время · отставание