勞倫斯——上賽季，堪薩斯城酋長隊四分衛(wèi)帕特里克·馬霍姆斯的傳球完成率為 66.3。
但是，與 MAHOMES 的準確性相比，Mahomes 令人印象深刻的統(tǒng)計數據相形見絀，這是一種由堪薩斯大學開發(fā)的機器學習模型 MAHOMES -友好且便宜的藥物療法和其他工業(yè)產品。
MAHOMES 不是針對廣泛的接收器，而是以 92.2% 的準確率區(qū)分蛋白質中的酶促金屬和非酶促金屬。KU 的一個團隊最近在Nature Communications上發(fā)表了關于這種區(qū)分酶的機器學習方法的結果。
“酶是非常有趣的蛋白質，可以完成所有化學反應——酶對某物進行化學反應，將其從一種東西轉化為另一種東西，”相應作者、KU 分子生物科學和計算生物學副教授喬安娜·斯盧斯基 (Joanna Slusky) 說。“你帶進你身體的一切，你的身體都會把它分解成新的東西，分解成新東西的過程——所有這一切都歸功于酶。”
Slusky 和她實驗室的研究生合作者Ryan Feehan(命名 MAHOMES 的酋長隊球迷)和 KU計算生物學中心的Meghan Franklin試圖使用計算機來區(qū)分不進行化學反應的金屬蛋白和金屬酶以驚人的力量和效率促進化學反應。
問題是金屬蛋白和金屬酶在許多方面是相同的。
“人們并不完全了解酶的工作原理，”Slusky 說。“對于任何給定的酶，你可以說，'好吧，你知道，它會去掉這個氫并帶上 -OH 基團，'或者它所做的任何事情。但如果我給你一種你以前從未見過的蛋白質，然后我問，‘最后會怎樣?哪一邊會產生反應?”作為科學家，甚至作為酶學家，您可能無法告訴我?，F在，其中一個關鍵是大約 40% 的酶使用金屬進行催化——因此它們的蛋白質與金屬結合，然后發(fā)生變化的任何東西都會進入該活性位點并發(fā)生變化。我們看到這些金屬結合蛋白和金屬酶，它們是結合金屬的酶，
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！