清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
量子星尘发布了新的文献求助10
7秒前
14秒前
22秒前
大医仁心完成签到 ,获得积分10
31秒前
科目三应助科研通管家采纳,获得10
31秒前
Ava应助科研通管家采纳,获得30
31秒前
科研通AI2S应助科研通管家采纳,获得10
31秒前
zgx完成签到 ,获得积分10
38秒前
58秒前
Jasper应助Perry采纳,获得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
1分钟前
1分钟前
WilliamJarvis完成签到 ,获得积分10
1分钟前
2分钟前
哦哟发布了新的文献求助10
2分钟前
Owen应助科研通管家采纳,获得10
2分钟前
2分钟前
2分钟前
很厉害的黄桃完成签到 ,获得积分10
2分钟前
weihe完成签到,获得积分10
3分钟前
量子星尘发布了新的文献求助10
3分钟前
3分钟前
3分钟前
3分钟前
怕孤单的思雁完成签到,获得积分10
4分钟前
量子星尘发布了新的文献求助10
4分钟前
4分钟前
4分钟前
Perry发布了新的文献求助10
4分钟前
4分钟前
lorentzh完成签到,获得积分10
5分钟前
量子星尘发布了新的文献求助10
6分钟前
1112完成签到,获得积分10
7分钟前
7分钟前
1112发布了新的文献求助30
7分钟前
量子星尘发布了新的文献求助10
7分钟前
7分钟前
方白秋完成签到,获得积分10
7分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Immigrant Incorporation in East Asian Democracies 600
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Picture Books with Same-sex Parented Families: Unintentional Censorship 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
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 3972811
求助须知:如何正确求助?哪些是违规求助? 3517134
关于积分的说明 11186225
捐赠科研通 3252713
什么是DOI,文献DOI怎么找? 1796589
邀请新用户注册赠送积分活动 876487
科研通“疑难数据库(出版商)”最低求助积分说明 805701