登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《预测质粒序列实验室来源的新工具》

  • 来源专题：生物科技领域知识集成服务
  • 编译者： 陈方
  • 发布时间：2021-03-08

  • 预测质粒序列实验室来源的新工具
    随着合成生物学和基因工程技术的快速发展，科学界正尝试开发技术来识别DNA序列的来源实验室从而增强生物工程研究过程的透明度，减轻人们对生物安全问题的担忧。
    2021年2月26日Nature Communications报道，美国莱斯大学计算机系的Todd Treangen团队开发了一种名为“PlasmidHawk”的用于质粒来源追踪的软件。该软件通过直接比对来自基因组数据集的未知字符串，并将其与合成生物学研究实验室常见或独特的泛基因组区域进行匹配。为了预测起源实验室，PlasmidHawk根据未分类序列与质粒全基因组之间的匹配区域对每个实验室进行评分，然后将未知序列分配给评分最低的实验室。
    最近发表论文描述的通过循环神经网络（RNN）深度学习技术追踪序列来源，其单个来源实验室预测的准确性为70％。研究者使用相同的数据集进行训练，PlasmidHawk可以成功预测76％的未知序列的来源实验室，而85％的正确实验室都在前10位的候选名单中。与深度学习方法不同，PlasmidHawk减少了数据的预处理，在向现有项目中添加新序列时不需要重新培训。
    事实证明，PlasmidHawk是一种可解释的、准确地预测质粒序列实验室起源的工具。此外，这个工具不仅可用于跟踪潜在有害的工程序列，而且还可用于保护质粒序列相关的知识产权。
    吴晓燕  编译自https://www.sciencedaily.com/releases/2021/02/210226121249.htm
    原文链接：https://www.nature.com/articles/s41467-021-21180-w
                               原文标题：PlasmidHawk improves lab of origin prediction of engineered plasmids using sequence alignment

136浏览量
原文链接
相关报告

  • 《首次在实验室合成由 AI 预测的蛋白质，蛋白质语言模型 ProGen》
    • 来源专题：数智化图书情报
    • 编译者：黄雨馨
    • 发布时间：2023-06-17
    • 人工智能已经将蛋白质工程研究的时间缩短了数年。深度学习语言模型在各种生物技术应用中显示出前景，包括蛋白质设计和工程。 现在，来自 Salesforce Research、Tierra Biosciences 和加州大学的研究团队首次在实验室中合成了由 AI 模型预测的蛋白质，并发现它们与天然对应物一样有效。他们开发出一种名为 ProGen 的蛋白质工程深度学习语言模型。ProGen 接受了来自公开的已测序天然蛋白质数据库中的 2.8 亿个原始蛋白质序列的训练，从头开始生成人工蛋白质序列。最新方法有望用于研制新药。 科学家表示，这项新技术可能比获得诺贝尔奖的蛋白质设计技术定向进化更强大，它将通过加速可用于几乎任何事物的新蛋白质的开发，这些新蛋白质几乎可以用于从治疗到降解塑料的任何领域。从而为已有 50 年历史的蛋白质工程领域注入活力。 该研究以「Large language models generate functional protein sequences across diverse families」为题，于 2023 年 1 月 26 日发布在《Nature Biotechnology》上。 论文链接：https://www.nature.com/articles/s41587-022-01618-2蛋白质工程的传统方法是对天然蛋白质序列进行迭代诱变和选择，以鉴定具有所需功能和结构特性的蛋白质。相比之下，合理或从头设计蛋白质的方法旨在提高创造具有所需特性的新蛋白质的效率和精度。 基于结构的从头设计方法采用基于生物物理原理的模拟，而协同进化方法则从进化序列数据中建立统计模型，以指定具有所需功能或稳定性的新序列。结构和共同进化的方法都有一定的局限性。 最近，深度神经网络已显示出作为蛋白质科学和工程的生成和判别模型的前景。它们学习复杂表示的能力对于有效地利用指数级增长的多样化和相对未注释的蛋白质数据来源可能是至关重要的——公共数据库包含数百万个未对齐的原始蛋白质序列 ProGen：蛋白质语言模型 受到基于深度学习的自然语言模型的成功启发，该研究团队开发了 ProGen，这是一种蛋白质语言模型，在数百万个原始蛋白质序列上训练，可生成跨多个家族和功能的人造蛋白质。 图 1：使用条件语言建模的人工蛋白质生成。（来源：论文）ProGen 通过学习在给定原始序列中过去的氨基酸的情况下，预测下一个氨基酸的概率来迭代优化，没有明确的结构信息或成对协同进化假设。ProGen 以这种无监督的方式从一个大型、多样的蛋白质序列数据库中进行训练，学习了一种通用的、域独立的蛋白质表示，它包含局部和全局结构基序，类似于学习语义和语法规则的自然语言模型。训练后，ProGen 可以提示从头开始为任何蛋白质家族生成全长蛋白质序列，与天然蛋白质具有不同程度的相似性。 ProGen 是一个 12 亿参数的神经网络，使用包含 2.8 亿个蛋白质序列的公开数据集进行训练。ProGen 的一个关键组成部分是条件生成，即由属性标签控制的序列生成作为语言模型的输入提供。在自然语言的情况下，这些控制标签可能是风格、主题、日期和其他实体。对于蛋白质，控制标签是蛋白质家族、生物过程和分子功能等属性，可用于公共蛋白质数据库中的大部分序列。 为了创建模型，科学家们只需将 2.8 亿种不同蛋白质的氨基酸序列输入机器学习模型，让它「消化」信息几周。然后，他们通过使用来自五个溶菌酶家族的 56,000 个序列以及有关这些蛋白质的一些上下文信息来启动模型，从而对模型进行微调。 该模型迅速生成了一百万个序列，研究团队根据它们与天然蛋白质序列的相似程度以及 AI 蛋白质的潜在氨基酸「语法」和「语义」的自然程度，选择了 100 个进行测试。 图 2：生成的人工抗菌蛋白多种多样，在该实验系统中表达良好。（来源：论文）从头开始生成人工蛋白质序列 为了评估功能，通过无细胞蛋白合成和亲和层析来合成和纯化全长基因。在 100 种天然蛋白质的阳性对照集中，72% 的表达良好。ProGen 生成的蛋白质在所有序列同一性箱中与任何已知的天然蛋白质的表达同样好。此外，使用 bmDCA7（一种基于直接耦合分析的统计模型） 设计了人工蛋白质，bmDCA 无法适应五个溶菌酶家族中的三个，并且对其余两个蛋白质家族表现出 60% 的可检测表达（30/50 蛋白质）。这些结果表明，与一批天然蛋白质相比，ProGen 可以生成结构良好折叠的人工蛋白质，即使序列对齐大小和质量限制了替代方法的成功，也能正确表达。 在第一批由 Tierra Biosciences 进行体外筛选的 100 种蛋白质中，该团队制作了五种人工蛋白质以在细胞中进行测试，并将它们的活性与鸡蛋清中发现的一种酶（称为鸡蛋清溶菌酶，HEWL）进行比较。在人类的眼泪、唾液和牛奶中发现了类似的溶菌酶，它们可以抵御细菌和真菌。 图 3：人工蛋白质序列具有功能，同时与任何已知蛋白质的同一性低至 31%，表现出与高度进化的天然蛋白质相当的催化效率，并展示与已知天然折叠相似的结构。（来源：论文）结果表明，ProGen 生成的蛋白质序列不仅可以很好地表达，而且可以维持跨蛋白质家族的不同序列景观的酶功能。 其中两种人工酶能够以与 HEWL 相当的活性分解细菌的细胞壁，但它们的序列彼此只有约 18% 相同。这两个序列与任何已知蛋白质的同一性约为 90% 和 70%。 天然蛋白质中的一个突变就可以使其停止工作，但在另一轮筛选中，研究小组发现，即使只有 31.4% 的序列与任何已知的天然蛋白质相似，AI 生成的酶仍显示出活性。 为了解通用序列数据集和目标蛋白质家族序列对 ProGen 生成能力的相对影响，研究人员使用分支酸变位酶（CM） 和苹果酸脱氢酶（MDH）实验测量的测定数据进行了两项消融研究。 结果表明，训练策略的两个组成部分——对通用序列数据集的初始训练和对感兴趣的蛋白质家族的微调——对最终模型性能有显着贡献。使用包含许多蛋白质家族的通用序列数据集进行训练，使 ProGen 能够学习编码内在生物学特性的通用且可转移的序列表示。对感兴趣的蛋白质家族进行微调可以引导这种表示，以提高局部序列邻域的生成质量。 正在进入蛋白质设计的新时代 Salesforce Research 的研究主管 Nikhil Naik 表示，他们的目标是证明可以利用公开可用的蛋白质数据，将大型语言模型部署到蛋白质设计问题中。「既然我们已经证明 ProGen 有能力产生新的蛋白质，我们已经公开发布了这些模型，以便其他人可以在我们的研究基础上进行构建。」 「开箱即用地从头开始生成功能性蛋白质的能力，表明我们正在进入蛋白质设计的新时代，」该论文的第一作者，Profluent Bio 创始人、Salesforce Research 前研究科学家 Ali Madani 博士说，「这是蛋白质工程师可用的多功能新工具，我们期待看到治疗应用。」 本文中描述的方法的综合代码库可在：https://github.com/salesforce/progen 上公开获得。 参考内容： https://phys.org/news/2023-01-ai-technology-generates-proteins.html https://spectrum.ieee.org/ai-protein-design
    614浏览量
    原文链接

  • 《【阿贡国家实验室】新工具模拟真实世界的车辆交通，以预测大规模的能源影响》
    • 来源专题：新能源汽车
    • 编译者：王晓丽
    • 发布时间：2024-08-19
    • 从城市上下班高峰期到跨国运输车队的运行情况，美国能源部阿贡国家实验室 的一种新工具可以描绘出车辆是如何大规模使用能源的。 该工具名为 Autonomie Express，旨在帮助运输和移动公司、研究人员、城市规划者等估算车辆的能耗和温室气体排放量。 阿贡基于模型的系统工程小组经理菲利普-沙勒（Phillip Sharer）说："你可以问，如果这些车辆中有50%是电池电动车，会对交通流量产生什么影响？ "在过去的 20 年里，随着新技术的出现，无论是在动力总成层面还是车辆层面，以及车辆和道路的智能化程度都在不断提高，交通变得越来越复杂。 目前，道路上行驶着各种规格的传统汽车、混合动力汽车和电动汽车，预计未来几年还会有更多。"为了应对这种新的复杂性，Autonomie Express 配备了一个庞大的车辆类型库，从轻型乘用车到重型卡车。 Autonomie Express 甚至包括尚未上市的车型。 在制造商规格的帮助下，它的资料库包括预计到 2050 年的新车。 Autonomie Express 中的车辆模拟涵盖了目前在道路上行驶的所有现代车辆，以及预计在未来 20 年内将在道路上行驶的车辆，通过从 5000 多个完整的车辆模型中进行选择，交通工程师可以对现在和未来的车队进行逼真的模拟。 Autonomie Express 可以让利益相关者更轻松地了解他们当前的做法和车队所产生的影响，并展示他们是如何改进的。例如，它可以估算出运输公司改用电动汽车可以节省多少成本，或者高峰时段的交通对城市能耗的影响有多大。 该工具旨在与 Aimsun、PTV Vissim、Eclipse SUMO 或 Argonne 的 POLARIS 等小型和大型交通流模拟工具配合使用，以模拟电动化、互联互通和自动化等新技术在大规模部署时产生的影响。 该团队最近宣布 Autonomie Express 可免费使用。他们希望通过向用户展示如何开始使用该系统，鼓励用户采用更节能、更环保的交通方式。 来源：Autonomie Express - Vehicle & Mobility Systems Department - Argonne National Laboratory (anl.gov)
    87浏览量
    原文链接