ИССЛЕДОВАНИЕ · RESEARCH · #1118
Предсказание топологии трансмембранных белков по 3D-структуре с помощью SchNet (arXiv:2609.30446v1)
Этот препринт на arXiv (arXiv:2609.30446v1) описывает метод применения графовой нейронной сети SchNet для вывода топологии трансмембранных белков по полным атомным 3D-структурам. Модель обучали с 5-кратной перекрёстной проверкой на том же наборе данных, что и DeepTMHMM; использованы атомные эмбеддинги вместо только последовательности или α‑карбонов, предобученные веса не применялись, и получены обнадеживающие результаты, указывающие на применимость GNN для такой задачи.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Этот препринт на arXiv (arXiv:2609.30446v1) описывает метод применения графовой нейронной сети SchNet для вывода топологии трансмембранных белков по полным атомным 3D-структурам.
- Модель обучали с 5-кратной перекрёстной проверкой на том же наборе данных, что и DeepTMHMM; использованы атомные эмбеддинги вместо только последовательности или α‑карбонов, предобученные веса не применялись, и получены обнадеживающие результаты, указывающие на применимость GNN для такой задачи.
- Важно тем, что показывает — GNN на полном атомном представлении 3D-структур способен предсказывать мембранную топологию без предобучения, предлагая дополнение к методам, основанным на последовательностях.
ПОЧЕМУ ЭТО ВАЖНО
Важно тем, что показывает — GNN на полном атомном представлении 3D-структур способен предсказывать мембранную топологию без предобучения, предлагая дополнение к методам, основанным на последовательностях.