- 4 次围观
赖氨酸乳酰化是一种动态的翻译后修饰，能够改变蛋白质功能，并已被证明参与多种生理和病理过程。因此，准确鉴定乳酰化位点对于界定其调控图谱以及提出关于乳酰化相关机制的可检验假设至关重要。本文在此介绍CLEAR-Lactyl和AttentionKla。CLEAR-Lactyl是一个经人工整理的人类赖氨酸乳酰化基准数据集，包含16,604个阳性位点。AttentionKla是一个基于CLEAR-Lactyl训练的深度学习框架，采用了经LoRA微调的预训练蛋白质语言模型；其性能显著优于现有工具，并且通过全面的消融研究剖析了促成其性能提升的因素。其在预测新的乳酰化位点以及通过序列导向调控乳酰化水平方面的实用性，已在细胞实验中得到验证。总之，CLEAR-Lactyl和AttentionKla为赖氨酸乳酰化研究提供了一个强有力的平台，并为其他翻译后修饰的精准调控提供了一个可扩展的框架。
经整理的人类乳酰化组与蛋白质语言模型框架实现精准预测并揭示赖氨酸乳酰化的局部决定因素 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果
经整理的人类赖氨酸乳酰化组与蛋白质语言模型框架实现精准预测并揭示赖氨酸乳酰化的局部决定因素
Zhengda Li，Youcheng Huang，Guangyao Shan，Di Zuo，Junhe Zhang，Yuqiang Du，Dejun Zeng，Xiliang Wang，Liang Chen，Hong Fan，Guangyu Yao
doi： https://doi.org/10.64898/2026.07.28.741267
Zhengda Li 1 复旦大学附属中山医院胸外科，上海，200032，中国； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 保留所有权利。未经许可不得转载使用。
返回顶部 上一篇 下一篇
发布于 2026 年 7 月 31 日。
下载 PDF 补充材料 数据/代码 电子邮件
您的电子邮件 * 您的姓名 * 发送至 * 输入多个地址时，请分行输入或以逗号分隔。
您将通过电子邮件发送以下内容
经整理的人类赖氨酸乳酰化组与蛋白质语言模型框架实现精准预测并揭示赖氨酸乳酰化的局部决定因素
消息主题
（您的姓名）已从 bioRxiv 转发一个页面给您
消息正文
（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问者，并防止自动化垃圾信息提交。
分享
经整理的人类赖氨酸乳酰化组与蛋白质语言模型框架实现精准预测并揭示赖氨酸乳酰化的局部决定因素
Zhengda Li，Youcheng Huang，Guangyao Shan，Di Zuo，Junhe Zhang，Yuqiang Du，Dejun Zeng，Xiliang Wang，Liang Chen，Hong Fan，Guangyu Yao
bioRxiv 2026.07.28.741267； doi： https://doi.org/10.64898/2026.07.28.741267
分享本文： 复制
引文工具
经整理的人类赖氨酸乳酰化组与蛋白质语言模型框架实现精准预测并揭示赖氨酸乳酰化的局部决定因素
Zhengda Li，Youcheng Huang，Guangyao Shan，Di Zuo，Junhe Zhang，Yuqiang Du，Dejun Zeng，Xiliang Wang，Liang Chen，Hong Fan，Guangyu Yao
bioRxiv 2026.07.28.741267； doi： https://doi.org/10.64898/2026.07.28.741267
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.28.741267v1?rss=1
🏷️ 赖氨酸乳酰化 翻译后修饰 蛋白质语言模型 深度学习预测 人工整理数据集