TL;DR文中介绍的 PDPA 及其二维和 n 维衍生方法可以更加经济有效地识别未知蛋白质的结构,并且可以利用多种数据类型(包括 RDC 数据)进行多维度量化,以提高结构识别的灵敏度和准确性。
Abstract
Despite the recent advances in various structural genomics projects, a large
gap remains between the number of sequenced and structurally characterized
proteins. Some reasons for this discrepancy include technical difficulties,
labor, and the cost related to determining a structure by
本文提出一种新型单一模型蛋白质质量评估方法 - Qprob,它计算蛋白质结构模型真实质量得分(GDT-TS 得分)与每个蛋白质特征值之间的绝对误差,并使用它们来估计其质量评估的概率密度分布。Qprob 在 11th Critical Assessment of Techniques for Protein Structure Prediction(CASP11)上进行了盲测试,并成功排名为最好的单一模型质量评估方法之一。该方法在预测难模型的蛋白质三级结构和质量评估方面表现出色,并为多个研究领域做出了贡献。
本文介绍了一种新颖的通过深度神经网络在傅里叶空间编码结构,将粒子和共同体的不断变化的结构进行建模,并通过准确的图像定向使得模型能从无标注的 2D 冷冻电镜图像训练出来,最终得到了一种直接对冷冻电镜图像进行连续体蛋白质结构建模的方法 cryoDRGN,在模拟和真实 2D 冷冻电镜图像数据上实现了 3D 蛋白质复合物的 ab initio 重建。