内容提要
杜克大学和西湖大学的研究人员开发了PTM-Mamba，这是一种能够同时建模野生型和翻译后修饰（PTM）序列的蛋白质语言模型。该模型通过双向Mamba块和新门控机制，增强了对PTM的理解，支持疾病关联和药物可药性预测等任务。研究表明，PTM-Mamba在多个基准测试中优于现有模型，展示了其在生物学研究和精准治疗中的潜力。
关键要点
-
杜克大学和西湖大学的研究人员开发了PTM-Mamba，一种PTM感知的蛋白质语言模型。
-
PTM-Mamba通过双向Mamba块和新门控机制增强了对翻译后修饰（PTM）的理解。
-
该模型能够同时建模野生型和PTM序列，支持疾病关联和药物可药性预测等任务。
-
研究表明，PTM-Mamba在多个基准测试中优于现有模型，展示了其在生物学研究和精准治疗中的潜力。
-
研究团队整理了一个包含79,707个修饰序列的训练数据集，以验证模型的有效性。
-
PTM-Mamba采用双向建模，能够全面捕捉氨基酸和PTM的序列依赖关系。
-
模型在疾病关联预测、成药性预测和PTM对蛋白质-蛋白质相互作用的影响等任务中表现优异。
-
PTM-Mamba能够准确预测特定残基的合理PTM，为生物学家提供新的见解。
-
未来的工作将扩充训练数据集，并探索PTM修饰序列的结构预测。
延伸问答
PTM-Mamba模型的主要功能是什么？
PTM-Mamba模型能够同时建模野生型和翻译后修饰（PTM）序列，支持疾病关联和药物可药性预测等任务。
PTM-Mamba是如何提高对PTM的理解的？
PTM-Mamba通过双向Mamba块和新门控机制增强了对PTM的理解，能够全面捕捉氨基酸和PTM的序列依赖关系。
PTM-Mamba在基准测试中的表现如何？
研究表明，PTM-Mamba在多个基准测试中优于现有模型，显示出其在生物学研究和精准治疗中的潜力。
研究团队使用了什么样的数据集来训练PTM-Mamba？
研究团队整理了一个包含79,707个修饰序列的训练数据集，该数据集由Swiss-Prot数据库中的PTM记录构建而成。
PTM-Mamba在疾病关联预测中的表现如何？
在疾病关联预测中，PTM-Mamba的表现优于基线模型，能够捕捉识别疾病相关蛋白质的PTM特定效应。
未来的研究方向是什么？
未来的工作将扩充训练数据集，并探索PTM修饰序列的结构预测，以推动PTM-Mamba的应用。
