AI精准预测蛋白质结构,结构生物学何去何从?颜宁等人点评

不少结构的预测精确度跟实验晶体结构相当,可以替代晶体结构;一些含有多个结构域的复杂超长的单链结构也达到了可以跟实验结构比较的程度;帮助解析了竞赛中涉及到的、实验多年没拿到的X射线晶体和cryo-EM冷冻电镜结构,比如T1058的膜蛋白是用了Alphafold2的预测模型之后,才跟原有晶体学数据综合成功解析了结构。AlphaFol...

2024化学诺奖接力青睐AI,蛋白质结构预测新工具获一半奖项

安芬森定律清晰地说明蛋白质空间结构并非随机形成,而是根植于氨基酸的线性顺序,该定律成为蛋白质结构预测的理论基础。安芬森在1972年诺贝尔奖获奖感言中提出一个愿景:将来有一天仅从氨基酸序列就能预测任何蛋白质三维结构。从蛋白质初级结构预测高级结构的过程较为复杂,是结构生物学和理论生物学领域最具挑战性的课题,它吸引...

分析蛋白质功能结构域的策略和步骤

1.序列比对使用如BLAST之类的工具,将目标蛋白序列与已知的蛋白数据库进行比对,寻找相似的已知结构或功能的区域。2.域预测使用专门的软件工具,如Pfam、InterPro、SMART等,来预测蛋白序列中可能存在的结构域或功能域。3.三维结构预测如果可行,可以使用如Phyre2、SWISS-MODEL等工具来预测蛋白质的三维结构。这可以...

Nat Chem Biol | 魏文胜团队实现蛋白质组中丝氨酸、苏氨酸和酪...

进一步研究表明,一些位点突变通过调节磷酸化水平导致信号通路异常,如MAPK信号通路中的MAPKAPK2T338A突变以及MAP2K1Y130H和S194P突变,影响了细胞的生长。此外,研究者还分析了突变在蛋白质结构中的分布,发现丝氨酸到脯氨酸的替换广泛影响不同类型的蛋白质结构域功能,尤其是WD重复结构域中的两个高度保守的丝氨酸,暗...

Nature:蛋白质测序技术突破:PASTOR单分子水平精准解读蛋白质突变...

蛋白质构成与设计:图a展示了PASTOR蛋白的序列组成,包含重复的59个氨基酸块和在中间位置引入的单个氨基酸突变。通过设计这种特定的蛋白质序列,研究者能够在每个序列块中检测到特定的氨基酸突变。电流信号的捕捉和分析:图b显示了PASTOR蛋白的纳米孔电流信号轨迹,每个重复的酪氨酸双突变(YYdips)产生了明显的电流下降,信号...

Nature子刊:魏文胜团队实现蛋白质组中丝氨酸、苏氨酸和酪氨酸位点...

此外,研究团队还分析了突变在蛋白质结构中的分布,发现丝氨酸到脯氨酸的替换广泛影响不同类型的蛋白质结构域功能,尤其是WD重复结构域中的两个高度保守的丝氨酸,暗示这些位点在维持蛋白质结构方面具有关键作用(www.e993.com)2024年11月3日。最后,研究发现,筛选出的促进细胞生长的突变与临床癌症患者的基因数据存在高度关联性(图3)。由于RPE1细胞系是...

谷歌DeepMind再放大招!AlphaProteo直接设计全新结合蛋白,加速药物...

1、基因表达谱分析:通过对基因表达谱数据进行深度学习,可以预测基因功能、发现新的生物标志物和生物路径径。2、结构生物学预测:通过对结构生物学数据进行深度学习,可以预测蛋白质结构、功能和互动。3、生物信息学数据集预处理:通过对生物信息学数据集进行深度学习,可以提高数据质量、减少噪声和缺失值,从而提高预测模型...

DMFold:精确到氨基酸的互作蛋白结合位点预测分析工具

在此基础上,进一步通过截短突变体探索蛋白质之间的互作结构域,甚至是通过氨基酸点突变为丙氨酸来确定互作的氨基酸位点。在没有前人相关研究报道的情况下,通常需要先分析预测互作蛋白质之间可能的氨基酸结合位点。而在药物设计研究中,这样的相互作用通常称作分子对接,也有多种Dock相关的分析预测网站,很多网站需要繁琐的注册...

AI+Science新视野:用物理信息引导AlphaFold 2预测蛋白质动力学

利用现有的阻挫分析工具Frustratometer[8],我们可以识别蛋白质哪部分区域有较高的局部阻挫并因此容易引发结构变化[5]。根据识别出的高阻挫位点或区域,我们就得以筛选和操纵MSA空间中所包含的序列及其所蕴藏的共进化信息——这些共进化信息正是AF2用以预测天然结构的重要提示依据。通过提供不同的共进化信息,即使是基...

张勇团队开发机器学习方法预测不含内在无序区域的相分离蛋白

相分离蛋白之间形成的多价非共价相互作用主要通过两种方式实现:一种是通过内在无序区域(intrinsicallydisorderedregion,IDR)之间的相互作用,另一种是通过模块结构域之间的相互作用。鉴于已知结构的蛋白质数量有限,现有的相分离蛋白预测方法只利用了蛋白质的序列特征,没有整合模块结构域的结构特征,预测结果强烈偏好于含有...