一然走、大分子互作研究背景
蛋白質和核酸是兩種主要類型的生物大分子援制，它們通常傾向于在細胞中一起發(fā)揮作用。蛋白質-RNA互作和蛋白質-DNA互作在許多生物過程中起重要作用包括DNA復制芍瑞，RNA轉錄晨仑，RNA剪接，核酸降解和蛋白質合成拆檬。
比如DNA轉錄：在基因表達時洪己，將DNA上的某一段信息拷貝成一條單鏈的RNA分子。這個過程需要轉錄因子和RNA聚合酶等蛋白質參與秩仆，它們能夠識別DNA上的特定序列码泛，然后沿著DNA模板合成RNA鏈。
為了研究蛋白質和核酸之間的這種相互作用澄耍，需要了解蛋白質-核酸復合結構噪珊，因此出現了很多研究方法晌缘，如酵母單雜（Y1H）、染色質免疫共沉淀（ChIP）痢站、DNA/RNA pull down磷箕、凝膠遷移或電泳遷移率檢測（EMSA）、CUT&Tag等阵难。但是對復合物結構進行實驗測定非常困難繁瑣岳枷，效率不高。
利用數字化的方法進行大分子互作的研究呜叫，可以克服傳統(tǒng)方法時間長空繁、成本高、覆蓋范圍有限導致效率低等缺陷朱庆∈⑴荩基于人工智能和深度學習，在保證高質量的同時娱颊，以更高效率輸出所需數據傲诵。
二、數字化蛋白互作篩選
目前通過數字化文庫方法進行蛋白質-蛋白質互作預測已經非常成熟箱硕，2009年在Computational Systems Biology上發(fā)表的文章Prediction and Integration of Regulatory and Protein–Protein Interactions就利用整合數據集的方法預測54種生物的蛋白互作網絡拴竹。
瑞源生物更新了擬南芥、水稻剧罩、人類栓拜、大豆、玉米惠昔、小麥等包括植物菱属、動物、微生物在內的62個物種的數字化轉錄因子文庫舰罚。實現更快更準確的數據分析，精準發(fā)現蛋白質互作信息薛耻。
三营罢、數字化蛋白-核酸互作篩選
目前，除了利用數字化文庫進行蛋白-蛋白互作篩選外饼齿，利用數字化文庫進行蛋白質-核酸互作預測也越來越多地受到關注饲漾。
瑞源生物開發(fā)數字化蛋白-核酸互作模型構建及結合位點分析技術。
利用數字化文庫進行蛋白質-核酸互作預測是基于人工智能和深度學習的技術缕溉，它可以根據核酸和蛋白質的序列和結構考传，快速準確地預測它們之間的結合位點、結合能力和結合模式证鸥。
