Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A técnica inovador podia ajudar a prever as interacções de uma proteína com outras proteínas

As proteínas são os blocos de apartamentos de vida e jogam um papel chave em todos os processos biológicos. Compreender como interagem com seu ambiente é conseqüentemente vital a desenvolver a terapêutica eficaz e a fundação para projetar pilhas artificiais.

Os pesquisadores no laboratório do projecto da proteína & do Immunoengineering (LPDI), a parte do instituto de EPFL da tecnologia biológica na escola da engenharia, funcionamento com os colaboradores em USI-Lugano, faculdade imperial e, o gráfico de Twitter aprendendo a divisão de pesquisa desenvolveram máquina inovador uma técnica aprender-conduzida para prever estas interacções e descrever a actividade bioquímica de uma proteína baseada na aparência de superfície apenas. Além do que o aprofundamento de nossa compreensão de como as proteínas funcionam, o método - conhecido como MaSIF - poderia igualmente apoiar a revelação de componentes proteína-baseados para pilhas artificiais de amanhã. A equipe publicou seus resultados nos métodos da natureza do jornal.

pesquisa Dados-conduzida

Os pesquisadores tomaram um grupo vasto de dados da superfície da proteína e alimentaram as propriedades químicas e geométricas em um algoritmo deaprendizagem, treinando o para combinar estas propriedades com os testes padrões de comportamento particulares e a actividade bioquímica. Usaram então os dados restantes para testar o algoritmo. “Fazendo a varredura a superfície de uma proteína, nosso método pode definir uma impressão digital, que possa então ser comparada através das proteínas,” diz Pablo Gainza, primeiro autor do estudo.

A equipe encontrou que as proteínas que executam interacções similares compartilham de “impressões digitais comuns.”

O algoritmo pode analisar biliões de por segundo das superfícies da proteína. Nossa pesquisa tem implicações significativas para o projecto artificial da proteína, permitindo que nós programem uma proteína para comportar-se meramente uma determinada maneira alterando seus produto químico de superfície e propriedades geométricas.

Director Bruno Correia de LPDI

O método, publicado no formato do open source, podia igualmente ser usado para analisar a estrutura de superfície de outros tipos de moléculas.

Source:
Journal reference:

Gainza, P. et al. (2019) Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning. Nature Methods. doi.org/10.1038/s41592-019-0666-6