Nat Methods PUPS：基于蛋白序列与细胞图像的蛋白质定位预测新方法

哈佛大学-麻省理工学院Broad研究所Fei Chen团队和麻省理工学院电气工程与计算机科学系Caroline Uhler团队在《Nature Methods》上发表了一种新的深度学习模型PUPS，该模型结合了蛋白质序列信息和细胞图像特征，用于精准预测蛋白质在不同细胞系及单细胞内的亚细胞定位。PUPS通过融合预训练的ESM-2蛋白质语言模型和卷积神经网络，能够提取蛋白序列特征和细胞标志物图像特征，从而实现对未见蛋白质和细胞类型的泛化预测，并揭示了蛋白质定位的生物学机制。实验验证显示，PUPS在Human Protein Atlas数据集上的预测误差显著低于随机基线，展示了其高度准确性和应用潜力。