基因Bbln(Bilateral-Branch Learning Network)并非一个已知的生物学基因,而是一个计算机科学中提出的模型名称,用于预测未知蛋白质-蛋白质相互作用(PPIs)。该模型是由Kang等人于2023年提出的[1]。PPIs预测在生物信息学领域有重要应用,因为蛋白质的功能通常通过它们与其他蛋白质的相互作用来实现。然而,由于蛋白质数据的有限性,PPIs预测面临挑战。
Bbln模型旨在解决传统PPIs预测方法中的“信息单调性”问题,这一问题限制了模型在面对大量未知PPIs时的性能提升。Bbln通过结合蛋白质信息和关系信息,从多模态和跨模态视角深入挖掘互补和关系信息,从而提高了PPIs预测的准确性。实验结果表明,Bbln模型在大量真实世界数据集上的表现显著优于之前的最先进方法,无论是传统的还是新颖的未知PPIs预测[1]。
Rashid等人于2017年开发了一个统计模型,用于评估基因表达和表观遗传特征之间的关联[2]。该模型使用测序数据,并明确考虑了DNA多态性的影响。测序数据通常以离散计数的形式总结,这使得模型能够检测基因表达和表观遗传特征之间的关联,以及DNA多态性条件下的条件关联。通过模拟和应用于研究基因表达和DNase I超敏位点(DHSs)之间的关联,该模型展示了其在探索DNA多态性和两种测序实验类型之间的关系方面的通用性[2]。
结合上述研究,基因Bbln在生物信息学领域具有重要意义。Bbln模型通过多模态和跨模态视角深入挖掘互补和关系信息,提高了PPIs预测的准确性,为生物信息学研究提供了新的工具。同时,Rashid等人提出的统计模型为评估基因表达和表观遗传特征之间的关联提供了新的方法,有助于深入了解基因表达调控的机制。这些研究为生物信息学领域提供了重要的理论和方法支持,有助于推动相关研究的进一步发展。
参考文献:
1. Kang, Yan, Wang, Xinchao, Xie, Cheng, Zhang, Huadong, Xie, Wentao. 2023. BBLN: A bilateral-branch learning network for unknown protein-protein interaction prediction. In Computers in biology and medicine, 167, 107588. doi:10.1016/j.compbiomed.2023.107588. https://pubmed.ncbi.nlm.nih.gov/37918265/
2. Rashid, Naim U, Sun, Wei, Ibrahim, Joseph G. 2017. A STATISTICAL MODEL TO ASSESS (ALLELE-SPECIFIC) ASSOCIATIONS BETWEEN GENE EXPRESSION AND EPIGENETIC FEATURES USING SEQUENCING DATA. In The annals of applied statistics, 10, 2254-2273. doi:10.1214/16-AOAS973. https://pubmed.ncbi.nlm.nih.gov/29034055/