蛋白质结构预测

搜索
登录

蛋白质结构预测

文章数：3篇

蛋白质结构预测

Nature子刊：构建出远超AlphaFold2精度的蛋白质互作结构

蛋白质结构预测一直是生物信息学领域的重要研究课题。近日，新加坡国立大学和美国密歇根大学研究人员在Nature Methods发表最新研究，开发出两款基于AI的蛋白质互作结构预测软件，DeepMSA2通过利用递推动态规划和隐马尔科夫模型算法，可从海量宏基因组序列库中快速提取高质量的MSA数据；而DMFold算法可高效构建蛋白质复合物的三维结构，其精度远超AlphaFold2，值得关注。

蛋白质结构预测机器学习研究论文基础研究宏基因组

宁康等：利用同源序列解码菌群生态位关联，准确预测靶向蛋白结构

近期，华中科技大学宁康团队与合作者在PNAS发表研究。作者假设微生物生态位和蛋白质家族之间存在固有的进化联系，可用于构建精确的多序列比对（MSAs）。为了检验这个假设，作者建立了一个包含42.5亿个序列的四个主要生物群落的模型库，开发了一个名为MetaSource的机器学习模型来预测目标蛋白质的源生物群落，其可以显著提高联系图和3D结构模型的准确性，同时使用少于三倍以上的计算机内存和CPU时间。研究的结果验证了重要的生物组-序列-Pfam关联，这可以为基于菌群的蛋白质结构和功能预测的靶向方法提供更高的效率和有效性。

菌群蛋白质结构预测深度学习多序列比对蛋白质同源家族

华科宁康等：海洋宏基因组资源促进了对新蛋白质的结构和功能预测

华中科技大学生命学院宁康教授团队，联合软件学院薛志东教授团队和美国密歇根大学计算医学与生物信息系张阳教授团队，在利用微生物组大数据辅助预测蛋白质三维结构领域取得新突破。对于无已知同源蛋白质结构的新型蛋白质，要想预测其结构则需要借助于从头折叠算法。在从头折叠算法中，第一步是明确氨基酸残基之间的“密切接触”关系，这通常需要在很多蛋白质同源序列的帮助下才能得到更好的结果。针对于Pfam中的蛋白质家族，其实仍然有很多蛋白质家族下属的同源序列较少，难以提高从头折叠结构预测的准确性。宁康等认为海洋微生物组包含大量独特的新基因和蛋白质，它们的序列可以用作计算“密接”关系的素材。随后证明了这种方法在预测新蛋白结构上的有效性。

宏基因组海洋宏基因组蛋白质结构预测 Pfam Tara Oceans