蛋白质通常被称为人体的工作分子。一个典型的身体具有20,000多种不同类型的蛋白质，每种蛋白质都涉及人类生命所必需的许多功能。

现在，普渡大学的研究人员设计了一种新颖的方法，利用深度学习来更好地了解蛋白质在体内的相互作用方式，从而为产生与各种疾病有关的蛋白质相互作用的准确结构模型铺平了道路，并设计了专门针对蛋白质相互作用的更好的药物。这项工作在《生物信息学》在线发布。

“为了了解蛋白质复合物功能的分子机制，生物学家一直在使用诸如X射线和显微镜的实验方法，但这是费时和资源密集的工作，”日本生物科学和计算机科学教授Daisuke Kihara说道。普渡大学的理学院，领导研究团队。“我们实验室和其他机构的生物信息学研究人员一直在开发用于蛋白质复合物建模的计算方法。一个巨大的挑战是，一种计算方法通常会生成数千个模型，而选择正确的模型或对模型进行排名可能很困难。”

Kihara和他的团队开发了一个名为DOVE的系统，该系统利用基于Voxel的深度神经网络技术进行诱骗选择，该系统将深度学习原理应用于蛋白质相互作用的虚拟模型。DOVE扫描模型的蛋白质-蛋白质界面，然后使用深度学习模型原理来区分和捕获正确和错误模型的结构特征。

“我们的工作代表了生物信息学领域的一项重大进步，”研究生兼研究团队成员王小说。“这可能是研究人员首次成功地使用深度学习和3D功能快速了解某些蛋白质模型的有效性。然后，该信息可用于创建靶向药物来阻止某些蛋白质-蛋白质相互作用。”