点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
阻止两个蛋白结合可减轻心肌细胞损伤******
科技日报讯 (通讯员衣晓峰 记者李丽云)近日，科技日报记者从哈尔滨医科大学获悉，中国工程院院士、哈尔滨医科大学药理学院杨宝峰教授团队首次发现干扰p53和ASPP1蛋白的相互作用，可减轻心肌细胞损伤。相关研究成果发表于国际期刊《循环研究》。
杨宝峰及其团队成员潘振伟教授、吕延杰教授研究发现，在正常心脏中，p53和ASPP1蛋白很少，而当发生心肌缺血再灌注时，这两个蛋白会大量增多，从细胞浆进入细胞核从而激发细胞死亡程序。该团队发现当人为抑制其中一个蛋白的表达时，另一个蛋白向核内运输受阻，细胞死亡减少；相反，当增加其中一个蛋白的表达时，另一个蛋白向核内运输增多，细胞死亡增加。这一现象提示这两个蛋白需要在细胞浆中结合到一起，“手拉手”进入细胞核，然后才能激活细胞的死亡过程。该团队设计了一段能够阻止p53和ASPP1蛋白相互结合的多肽分子，发现其能够显著抑制p53和ASPP1蛋白向细胞核内的运输，并减轻心肌细胞损伤。这一发现提示，干预p53和ASPP1蛋白相互作用，可作为心肌保护药物研发的新策略。接下来，杨宝峰团队还将进一步优化影响p53和ASPP1蛋白互相作用的多肽分子，同时设计抑制二者结合的新化合物，旨在最终研发出应用于临床的心肌保护新药物。
提速近10倍！基于深度学习的全基因组选择新方法来了****** 近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。 全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。 相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
盈彩网app地图 |
)