中，信用：上赛季Meg Kumin，堪萨斯城酋长四分卫帕特里克法汉族人吹嘘66
3 Pass-Pression百分比但是，Mahomes的令人印象深刻的遗物，而Mahomes的准确性，或金属蛋白和酶促的金属活性启发式，是在堪萨斯大学开发的机器学习模型 - 并在四分卫的荣誉中命名 - 这可能导致更有效，生态友好和更便宜的药物疗法和其他工业用品
而不是瞄准宽接收器，Mahomes在蛋白质中的酶和非酶金属之间的精确率为92
2％
KU的一个团队最近公布了这一机器学习方法的结果，以分化自然通信中的酶[“酶是超级有趣的蛋白质，使所有化学 - 一种酶对某些东西进行化学反应，以便将其从一件事转变为另一件事，”分子生物科学和计算生物学副教授副教授在ku
“你带入你的身体的一切，你的身体将它崩溃并进入新事物，并将其分解并融入新事物 - 所有这一切都是由于酶的影响
“在她的实验室中，斯兰斯基和研究生合作者，Ryan Feehan（命名为Mahomes的酋长帆船）和KU的皇家·富兰克林的古兰富兰克林的计算生物学中心，寻求使用计算机区别金属蛋白，这不会进行化学反应和金属酶，哪个fac令人生畏的化学反应和效率和效率
问题是金属蛋白，金属蛋白在很多方面相同
“”人们并不完全了解酶如何工作，“Slusky说
“对于任何给定的酶，你可以说，”好的，你知道，它脱掉了这种氢气，并放在了-OH基团上，“或者它做了什么
但如果我给你一个你从未给你一个蛋白质以前见过，我问道，'哪个结束了？这是一个反应的反应？，你作为一个科学家，甚至作为一种酶学家，可能不会告诉我
现在，现在是一个钥匙是约40％的所有酶使用金属用于催化 - 所以它们的蛋白质结合金属，然后随时改变，在该活性位点进入，改变了
我们看到这这些金属结合蛋白质和金属酶是与我们的浓密的酶，作为我们的巨大机会，因为我的实验室对机器学习感兴趣，可以在不同但非酶位点的区分酶网站上进行真正的工作
“ KU本科，联合领导作者FEEHAN开始编制世界上最大的酶和非酶金属金属蛋白位点的结构 - 作为研究生职业生涯的工作
然后，他使数据集自由地提供给其他Github的研究人员
斯巴斯基说：“但是，如果您对物理和化学的内容有兴趣，并且这些原子在那些关系中可以做些什么，但是，如果您有兴趣，并且他们可以在那些关系中进行感兴趣的话蛋白质结构
这一部分难以达到一堆酶位点的结构，知道它们是酶位点，然后获得一堆含有结合金属的非酶位点 - 并且知道它们不是酶 - 和挖掘来自大型结构数据库的那些
“FEREHAN能够找到成千上万独特的活性和非活性的金属绑定站点，然后测试的机器学习方法区分两者
来实现这一目标， FEEHAN和Franklin培训了一个计算机学习模型（MAHOMES）来检查蛋白质和PR的裂缝考虑到该裂缝可以做化学（意味着它是酶）
通过观察物理化学特征，Mahomes实现922％精度和90
1％召回讲述主动和非活动网站
Slusky表示，这种方法可能是使酶更有用的重要措施，使救生药物治疗和许多其他工业过程的宿主确实如此，KU团队开创的方法甚至可以彻底改变酶的设计方式
“我希望它能够改变一般的综合，”她说
“”我希望有更便宜的药物用更少的环境修改
现在，制药公司的综合具有巨大的环境影响，它将是伟大的如果我们可以降低那些
但是在每个行业的情况下也是合成的
如果你想制作涂料，油漆需要合成
一切都是由化学品制成的，纺织品
你可以收获棉花，但最终，您将在卖棉之前对该棉花进行特定的材料特性，并且需要化学品
我们可以通过酶进行更多的合成我们可以更轻松地为公司通过酶进行合成，将更便宜，更环保，它将
“”根据Slusky，机器学习研究将沿三行继续“第一个，我们试图使机器学习方法更好地工作，”她说
“第二名，我们是明星用它的设计酶和第三个是我们想要对不结合金属的酶来执行此方法
所有酶活性位点的酶含有金属结合
让我们做其他60％，也是 - 寻找正确的比较，另一个60％是我实验室的另一个研究生的项目正在研究
“
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
