DeepRank是一个Python3包，允许对3D蛋白质-蛋白质复合物的数据集进行端到端训练。该框架由两个主要部分组成，一个关注数据的预处理和特征化，另一个关注神经网络的训练、评估和测试。DeepRank进行了一系列优化处理，适合在非常大的数据集上进行高效计算。图1 DeepRank DeepRank具有一下特点 可自定义的特征计算。Dee...
作者描述了一个用于挖掘非常大的蛋白质-蛋白质界面数据集的开源的、通用的和可扩展的深度学习框架。实验证明了DeepRank应用于结构生物学的两个不同挑战的有效性。作者希望DeepRank能够通过促进数据预处理的繁琐步骤和减少可能与大规模数据分析相关的令人生畏的计算成本,从而加快与蛋白质界面相关的科学研究。它的模块化和...
DeepRank是一个Python3包,允许对3D蛋白质-蛋白质复合物的数据集进行端到端训练。该框架由两个主要部分组成,一个关注数据的预处理和特征化,另一个关注神经网络的训练、评估和测试。DeepRank进行了一系列优化处理,适合在非常大的数据集上进行高效计算。 图1 DeepRank DeepRank具有一下特点 可自定义的特征计算。Deep...
PeSTo的输出值范围从0到1,用于预测哪些残基参与蛋白质-蛋白质界面的形成,值为0表示残基不参与交互,值为1表示残基在界面上(上图a)。文章首先与最近的类似方法ScanNet进行了性能比较,结果表明在一个共有417个蛋白质结构的基准数据集上,PeSTo在无多序列比对的情况下表现优于ScanNet,ROC曲线下面积为0.93比0.87。PeSTo...
作者的研究结果表明,共同进化的残基对在蛋白质复合物中通常都会发生接触。当然,并不是所有在蛋白质界面发生接触的残基对都会发生共进化。之前的研究表明,只要有足够的比对序列,对单体蛋白的接触预测能达到很高的准确率,但是在这种情况下,必须先已知一个家族蛋白结构,并可以从中建立比较模型,限制了接触预测在结构预测中...
我们使用可从蛋白质数据库(PDB)获得的最大数据集来分析蛋白质-蛋白质界面的特征。我们首先比较具有蛋白质核心和非界面( non-interface)表面的界面。结果表明,界面(interfaces)在残基组成,序列熵和二级结构方面与蛋白质核心和非界面表面不同。由于界面,蛋白质核心和非界面表面具有不同的溶剂可及性,因此重要的是研究观...
这个应用程序结合了多种工具,用来分析蛋白质-蛋白质之间的相互作用。它可以计算结合能、埋藏界面的面积和其他相关的指标。大部分代码是为接口建模协议设计的一个模块,主要用于这个领域,而应用程序只是这个模块的一个前端界面,功能相对简单。此外,该应用程序不适用于蛋白质与配体之间的相互作用分析。
两个或多个蛋白质可以结合在一起,形成复合体来执行各种任务;研究这些复合物的结构是一项挑战,即使是在已知蛋白质亚基结构的情况下也是如此。作者注意到在蛋白质复合物中,来自不同蛋白质的氨基酸发生共进化时,这两个氨基酸往往会在蛋白质-蛋白质界面上发生接触。本文的作者开发了一种方法,利用共进化信息来预测在蛋白...
蛋白质疏水界面的蛋白质-蛋白质相互作用 蛋白质-蛋白质相互作用是指蛋白质在特定条件下形成的相互作用,主要包括疏水相互作用、氢键相互作用、电荷相互作用和范德华力相互作用等。其中疏水相互作用是指蛋白质中亲水基团(如羟基、胺基)趋向于水,而疏水基团(如烷基、苯环)趋向于相互聚集在一起,形成疏水界面,从而促进蛋白...