8、用于基序结构预测的量子辅助深度学习框架

用于基序结构预测的量子辅助深度学习框架

1. 引言

传统的基序研究非常依赖人工操作，这导致对分子及其相互作用的了解不全面。而利用深度学习算法的计算智能技术，能从每次药物发现中获得更多信息，从而使高效药物的发现变得更快、更容易。

在过去十年中，技术的进步为生物信息学的探索和研究开辟了道路。在众多研究中，基因组学和蛋白质组学是最热门的研究主题。对蛋白质组学数据的研究显示其增长迅速，已有超过 23 万种蛋白质结构被识别，并以多种格式存储在各个蛋白质数据库中，且这一数字仍在呈指数级增长，由此催生了包括蛋白质结构预测、基序识别、基序聚类和基序形成预测等不同的研究领域。如今，大量从事蛋白质组学研究的药剂师和科学家正在利用他们的知识，制定关于如何构建基序、设计基序、识别基序以及影响基序形成因素的原则和规则。本研究旨在了解小分子有机化合物如何触发或抑制基序的特定功能，或破坏蛋白质相互作用，从而有助于治疗疾病。

2. 背景

2.1 基序

蛋白质对于维持我们的健康和福祉起着至关重要的作用。基序或超二级结构是特定的组合，包含多个二级系统，且大多具有明确的连接性。蛋白质序列和结构中包含具有相似氨基酸组成和独特功能的模式，这些模式实际上就是由二级和三级结构元素混合而成的基序，它们共同构成了具有复杂功能的最终蛋白质。以下是一些常见的基序类型：
| 基序类型 | 描述 |
| ---- | ---- |
| β - 发夹 | 由 β 折叠形成的类似发夹的结构 |
| α - 发夹 | 由 α 螺旋形成的发夹结构 |
| 螺旋 - 转角 - 螺旋 | 包含螺旋、转角和螺旋的结构 |
| β - α - β