Точное предсказание структур и взаимодействий белков с использованием трековой нейронной сети из трех каналов
Accurate prediction of protein structures and interactions using a three-track neural network
2021-07-15
SCID: 54.1/mc55sf5t
Discuss with AI
интеграция информации 1D-2D-3Dпредсказание структуры белковмоделирование белковых комплексовтрехпоточная нейронная сетьмоделирование для рентгеновской кристаллографии и крио-ЭМ
Figures from the paper
Abstract (AI)
DeepMind представила особенно точные предсказания на недавней 14-й конференции Critical Assessment of Structure Prediction (CASP14). Мы исследовали архитектуры сетей, включающие сходные идеи, и добились наилучших результатов с помощью трековой сети из трех каналов, в которой информация на одномерном (1D) уровне последовательности, на 2D уровне карты расстояний и на 3D уровне координат последовательно преобразуется и интегрируется. Трехканальная сеть генерирует предсказания структур с точностью, приближающейся к показателям DeepMind на CASP14, позволяет быстро решать сложные задачи моделирования структур, возникающие при рентгеновской кристаллографии и криоэлектронной микроскопии, и дает представление о функциях белков с неизвестной в настоящее время структурой. Сеть также обеспечивает быстрое получение точных моделей белок‑белковых комплексов только на основе информации о последовательности, минуя традиционные подходы, требующие моделирования отдельных субъединиц с последующим докингом. Мы делаем метод доступным научному сообществу для ускорения биологических исследований.
Key Findings
1
Нейросеть с тремя дорожками, интегрирующая 1D-последовательность, 2D-карту расстояний и 3D-координаты, показала наилучшие результаты среди исследованных архитектур.
2
Авторы публикуют метод для научного сообщества с целью ускорения биологических исследований.
3
Метод позволяет быстро решать сложные задачи моделирования структур по данным рентгеновской кристаллографии и крио-ЭМ.
4
Модель быстро генерирует точные модели белково-белковых комплексов по последовательности, обходя этапы отдельного моделирования субъединиц и докинга.
5
Сеть обеспечивает понимание функций белков с пока неизвестной структурой.
6
Трехдорожечная сеть даёт предсказания структур с точностью, приближающейся к результатам DeepMind на CASP14.
Research Object
Структуры белков и белковые комплексы (предсказанные по последовательностям аминокислот)
Research Subject
Точное предсказание трёхмерных структур белков и их взаимодействий с помощью трёхтрековой нейронной сети, интегрирующей 1D-последовательность, 2D-карту расстояний и 3D-координаты
Publication Details
Publication Date
2021-07-15
Journal
Publisher
ISSN
Cited by
5469
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Программное обеспечение для множественного выравнивания последовательностей MAFFT, версия 7: улучшения производительности и удобства использования2013
Особенности и развитие Coot2010
UCSF ChimeraX: Визуализация структур для исследователей, педагогов и разработчиков2020
Определение структуры макромолекул с использованием рентгеновских лучей, нейтронов и электронов: последние разработки в Phenix2019
Работы, цитирующие эту статью11
Точное предсказание структуры биомолекулярных взаимодействий с помощью AlphaFold 32024
Прогнозирование белковых комплексов с помощью AlphaFold-Multimer2021
Вычислительные подходы, оптимизирующие процесс открытия лекарственных средств2023
Компьютерная разработка лекарств и открытие препаратов: перспективный анализ2023
Масштабируемое моделирование равновесных ансамблей белков с помощью генеративного глубокого обучения2025
Расширение возможностей биомедицинских исследований с помощью ИИ-агентов2024
Инженерия белков на основе данных для повышения каталитической активности и селективности2023
Структура и функция капсульной деполимеразы KP34gp57 фага Klebsiella: от случайного открытия к созданию активных мини-ферментов против K. pneumoniae2023
Языковые модели белков, обученные на биофизической динамике, информируют о влиянии мутаций2026
Исследование факторов, определяющих эффективность машинного обучения при прогнозировании приспособленности белков2025
Каталитически активные тельца включения лакказного белка Bacillus clausii, рекомбинантно продуцируемые в E. coli для обесцвечивания красителей2026