- 5 次围观
基于单分子（SM）成像（SMI）的方法具有强大的能力，能够在天然活细胞环境中捕捉细胞信号传导所必需的受体相互作用。然而，由于标记是亚化学计量的，SMI通常只能提供这些相互作用的部分信息。我们开发了Deep-FISIK，该方法利用图神经网络和多头注意力机制进行消息传递，从SMI数据中预测完整受体系统的同型相互作用动力学。Deep-FISIK的输入为SMI实验中的单分子检测结果，无需进行显式轨迹追踪。因此，Deep-FISIK兼容于在SMI实验中对更高比例的受体进行标记，从而提高相互作用动力学参数的预测精度。Deep-FISIK在存在多种偏离训练数据情况时仍表现出稳健的性能，这表明Deep-FISIK适用于多种受体系统和SMI实验。
基于单分子成像数据的受体相互作用动力学图神经网络建模 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索该关键词 高级搜索 新结果
基于单分子成像数据的受体相互作用动力学图神经网络建模
Khai Nguyen，Khuloud Jaqaman
doi： https://doi.org/10.64898/2026.07.08.737174
Khai Nguyen 德克萨斯大学西南医学中心 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本网站上搜索该作者
Khuloud Jaqaman 德克萨斯大学西南医学中心 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在本网站上搜索该作者
通讯作者： khuloud.jaqaman{at}utsouthwestern.edu
摘要 信息/历史 指标 补充材料 PDF 预览
摘要
基于单分子（SM）成像（SMI）的方法具有强大的能力，能够在天然活细胞环境中捕捉细胞信号传导所必需的受体相互作用。然而，由于低于化学计量比的标记，SMI 通常只能提供这些相互作用的部分信息。我们开发了 Deep-FISIK，该方法利用图神经网络和用于消息传递的多头注意力机制，从 SMI 数据中预测完整受体系统中同型相互作用的动力学。Deep-FISIK 的输入是 SMI 实验中的单分子检测结果，无需显式轨迹追踪。因此，Deep-FISIK 兼容于在 SMI 实验中标记更高比例的受体，从而提高相互作用动力学参数的预测准确性。在存在多种偏离训练数据情况时，Deep-FISIK 的性能仍然稳健，这表明 Deep-FISIK 可适用于多种受体系统和 SMI 实验。
利益冲突声明
已声明资助信息
美国国立卫生研究院， https://ror.org/01cwqze88 R35 GM119619
版权
本预印本的。 本文依据 CC-BY-NC-ND 4.0 国际许可协议 提供。
返回顶部
上一页 下一页
发表于 2026 年 7 月 8 日。
下载 PDF 补充材料 电子邮件
感谢您有兴趣传播关于 bioRxiv 的信息。 您的电子邮件 *
您的姓名 *
发送至 *
输入多个地址时，请分行填写，或用逗号分隔。
您将要通过电子邮件发送以下内容
基于单分子成像数据的受体相互作用动力学图神经网络建模
邮件主题
（您的姓名）已从 bioRxiv 转发了一个页面给您
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。
分享
基于单分子成像数据的受体相互作用动力学图神经网络建模
Khai Nguyen，Khuloud Jaqaman bioRxiv 2026.07.08.737174； doi： https://doi.org/10.64898/2026.07.08.737174
分享本文： 复制
引文工具
基于单分子成像数据的受体相互作用动力学图神经网络建模
Khai Nguyen，Khuloud Jaqaman bioRxiv 2026.07.08.737174； doi： https://doi.org/10.64898/2026.07.08.737174
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.08.737174v1?rss=1
🏷️ 单分子成像 受体相互作用 图神经网络 动力学建模 多头注意力 活细胞信号传导