MMFuncPhos: A Multi‐Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types

磷酸化 蛋白质磷酸化 计算生物学 计算机科学 化学 生物 生物化学 蛋白激酶A
作者
Juan Xie,Ruihan Dong,Jintao Zhu,Haoyu Lin,Shiwei Wang,Luhua Lai
出处
期刊:Advanced Science [Wiley]
标识
DOI:10.1002/advs.202410981
摘要

Abstract Protein phosphorylation plays a crucial role in regulating a wide range of biological processes, and its dysregulation is strongly linked to various diseases. While many phosphorylation sites have been identified so far, their functionality and regulatory effects are largely unknown. Here, a deep learning model MMFuncPhos, based on a multi‐modal deep learning framework, is developed to predict functional phosphorylation sites. MMFuncPhos outperforms existing functional phosphorylation site prediction approaches. EFuncType is further developed based on transfer learning to predict whether phosphorylation of a residue upregulates or downregulates enzyme activity for the first time. The functional phosphorylation sites predicted by MMFuncPhos and the regulatory types predicted by EFuncType align with experimental findings from several newly reported protein phosphorylation studies. The study contributes to the understanding of the functional regulatory mechanism of phosphorylation and provides valuable tools for precision medicine, enzyme engineering, and drug discovery. For user convenience, these two prediction models are integrated into a web server which can be accessed at http://pkumdl.cn:8000/mmfuncphos .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Tonald Yang完成签到 ,获得积分20
2秒前
3秒前
落后的怀梦完成签到 ,获得积分10
4秒前
陈坤完成签到,获得积分10
6秒前
量子星尘发布了新的文献求助10
8秒前
斯文败类应助zgx采纳,获得10
9秒前
默默完成签到 ,获得积分10
9秒前
KY Mr.WANG完成签到,获得积分10
9秒前
23秒前
guoxingliu完成签到,获得积分10
27秒前
35秒前
阳佟水蓉完成签到,获得积分10
36秒前
gdgd完成签到,获得积分10
39秒前
量子星尘发布了新的文献求助10
41秒前
叮叮当当完成签到,获得积分10
43秒前
46秒前
46秒前
电致阿光完成签到,获得积分10
47秒前
ccc完成签到 ,获得积分10
49秒前
50秒前
zgx发布了新的文献求助10
52秒前
i2stay完成签到,获得积分10
52秒前
馒头完成签到,获得积分10
54秒前
MS903完成签到,获得积分10
59秒前
CJW完成签到 ,获得积分10
1分钟前
韧迹完成签到 ,获得积分0
1分钟前
mmd完成签到 ,获得积分10
1分钟前
七一安完成签到 ,获得积分10
1分钟前
浪麻麻完成签到 ,获得积分10
1分钟前
包容的剑完成签到 ,获得积分10
1分钟前
等待的大炮完成签到,获得积分10
1分钟前
注水萝卜完成签到 ,获得积分10
1分钟前
Chem34完成签到,获得积分10
1分钟前
1分钟前
量子星尘发布了新的文献求助10
1分钟前
hhh2018687完成签到,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038039
求助须知:如何正确求助?哪些是违规求助? 3575756
关于积分的说明 11373782
捐赠科研通 3305574
什么是DOI,文献DOI怎么找? 1819239
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022