该工作介绍了一个基于人工智能框架UniBind,该框架利用深度学习和蛋白质结构分析来预测SARS-CoV-2的刺突蛋白突变的影响。该工作强调了在病毒宿主相互作用和新的SARS-CoV-2变体出现中理解蛋白质相互作用的重要性。UniBind整合了蛋白质三维结构和结合亲和力数据,预测了刺突蛋白突变如何影响其与人类ACE2受体和中和抗体的结合亲...
CASP14后的蛋白质单链结构预测方法,应用到复合物上,刚好可以实现Fold-and-Dock的方法,一步到位地兼顾了速度与主链的变化。 于是,以AlphaFold2(AF2)这一神器为基础,Patrick Bryant等人提升了蛋白复合物预测的能力,该工作于近日发表在NatureCommunication上。 ——方法发展与结果—— 作者探索了不同的AF2用法与不同的...
在测定动态蛋白-蛋白相互作用时的一个挑战是,这些复杂数据集,包括准确识别全新PPIs的需求,尚未得到通用、准确和稳健的计算及分析框架的满足。在TPCA和I-PISA背景下准确预测PPIs的困难在于,许多蛋白质与它们不相互作用的其他蛋白质的曲线数据非常接近。避免高假阳性率(FPR)需要严格的距离截断,导致许多真实相互作用的漏检。
基于1个蛋白质(A)纯化策略,用于蛋白互作研究 目的:提取一种与A有相互作用的蛋白质B 步骤:使用2个纯化标签,两次纯化 ① TAP tag=CBP+连接短肽+ProtA 钙调蛋白结合肽(calmodulin-binding peptide,CBP):与偶联有钙调蛋白的亲和柱紧密结合 链接短肽含有TEV蛋白酶的酶切位点 ProtA(金黄色葡萄球菌蛋白A的两个IgG结...
在最新研究中，丛前等人通过对许多酵母蛋白复合物建模，扩展了人工智能结构预测工具箱。为了找到可能相互作用的蛋白质，科学家们首先搜索相关真菌的基因组，寻找发生突变的基因，然后使用上述两种人工智能技术来确定这些蛋白质是否可以3D结构结合在一起。他们确定了1505种可能的蛋白质复合物，其中699个结构已被表征，验证了...
因此,蛋白质-蛋白质相互作用的预测,需要对蛋白质表面进行全局且充分的搜索,然而全局搜索计算非常耗时。快速傅里叶变换方法(fast Fourier transform, FFT)是蛋白质-蛋白质对接中应用最广泛的搜索方法,因为该方法可以对蛋白质表面的互补情况进行充分且高效的全局搜索。为了推进蛋白质-蛋白质复合物结构预测的发展,欧洲生物...
蛋白质-蛋白质相互作用(PPI)与许多生物效应有关,所以特异性干扰蛋白质-蛋白质识别过程的小分子在将来的药物开发中将变得越来越重要。 本文通过依赖经典QSAR描述符的机器学习方法,将具有蛋白质-蛋白质相互作用(PPI)抑制剂的数据集与FDA药物数据库和ZINC数据库的子集进行比较,得到一个包含三个描述符(SHP2、nRCOOR、Mor...
【嵌牛导读】本文通过依赖经典QSAR描述符的机器学习方法,将具有蛋白质-蛋白质相互作用(PPI)抑制剂的数据集与FDA药物数据库和ZINC数据库的子集进行比较,得到一个包含三个描述符(SHP2、nRCOOR、Mor11m)的决策树,通过相关程序验证,表明它不是偶然相关的结果,而是具有预测潜在PPI抑制剂价值的。
蛋白质相互作用结合亲和力的预测对于生物医学领域具有很多应用价值。可以通过预测蛋白质相互作用结合亲和力来设计和筛选药物靶点,开发新的蛋白质相互作用抑制剂或者激活剂;还可以通过预测蛋白质相互作用结合亲和力来分析蛋白质-蛋白质相互作用网络,揭示生物学过程的调控机制。 5.结语 蛋白质相互作用结合亲和力的预测是生物学研...