XiaoMi-AI文件搜索系统
World File Search SystemtrRosetta
通过显式能量景观优化进行蛋白质序列设计
摘要蛋白质设计问题是确定折叠成所需结构的氨基酸序列。鉴于安芬森的折叠热力学假设，这可以改写为找到一个氨基酸序列，其中最低能量构象是该结构。由于这种计算不仅涉及所有可能的氨基酸序列，还涉及所有可能的结构，因此大多数当前方法都侧重于更易处理的问题，即为所需结构找到最低能量的氨基酸序列，通常在第二步通过蛋白质结构预测检查所需结构确实是设计序列的最低能量构象，并丢弃在许多情况下并非如此的大部分设计序列。这里我们表明，通过将梯度通过 trRosetta 结构预测网络从所需结构反向传播到输入氨基酸序列，我们可以直接优化所有可能的氨基酸序列和所有可能的结构，并在一次计算中明确设计预测折叠成所需结构而不是任何其他结构的氨基酸序列。我们发现，考虑了完整构象景观的 trRosetta 计算比 Rosetta 单点能量估计更能有效地预测从头设计蛋白质的折叠和稳定性。我们将通过景观优化进行的序列设计与 Rosetta 中的标准固定骨架序列设计方法进行了比较，并表明前者的结果对竞争低位状态的存在很敏感，而后者则不然。我们进一步表明，通过结合这两种方法的优势，可以设计出更具漏斗形的能量景观：低分辨率 trRosetta 模型用于排除替代状态，高分辨率 Rosetta 模型用于在设计目标结构处创建深度能量最小值。意义计算蛋白质设计主要侧重于寻找在目标设计结构中能量非常低的序列。然而，在折叠过程中最相关的不是折叠状态的绝对能量，而是折叠状态与最低位替代状态之间的能量差。我们描述了一种可以捕捉整个折叠景观的深度学习方法，并表明它可以增强当前的蛋白质设计方法。
使用机器学习模型减少食物浪费分子检测和抗抗菌 - 敏感性 -Muhammad Waqar Mazhar等。 Omicron B.A 2
The whole phenomena for designing vaccine of BA.2 (omicron) a variant of severe acute respiratory syndrome coronavirus2 (SARC-CoV2) is based on five major steps which are (1) sequence retrieval and its structure analysis (2) Epitopsis prediction (B&T-cell epitopsis prediction) (3) Vaccine Construction (4) Secondary & Tertiary structure Extrapolation and Validation （5）分子动力学和表达分析。用于构建潜在疫苗，具有登录号的Omicron的核蛋白磷蛋白序列。ujp23613.1从NCBI（https：//www.ncbi.nlm.nih.gov/）中检索，然后将序列放入expasy ProtPAM工具中，以找出靶蛋白的生理化学特性。通过PSIPRED工具（https://www.expasy.org/）预测蛋白质的二级结构。vaxijen v2.0检查了蛋白质的抗原概率。对于更高的特异性，阈值设置为≥0.4。 Allertop v2.0检查了蛋白质的过敏性。使用trroasetta（https://yanglab.nankai.edu.cn/trrosetta/）检查Omicron蛋白的三级结构。通过使用Bepipred线性表位预测来预测表位。该工具使用隐藏的基于马尔可夫模型的算法，这是一种最佳的线性表位计算方法之一。HOMO SAPIEN被选为MHC来源的ANN 4.0方法，以研究人类中不同的MHC HLA等位基因。IEBD工具根据IC50 nm单元提供了表位的HLA结合亲和力的输出接口。用于构建完整的疫苗5 B细胞表位，分别使用了MHC级I的12个T-Cell表位和MHC级II的19个表位。
使用深网幻觉添加一个糖苷水解酶活性位点，将糖苷水解酶活性位点掺入新的蛋白质支架中
摘要：酶是许多工业应用必不可少的生物催化剂，但稳定性，选择性和受限的底物识别当前的使用限制。尽管酶工程在克服这些局限性方面的重要性，但通常会受到从天然来源衍生的酶的复杂建筑的挑战。计算方法的最新进展已使具有特定功能位点的简化支架的从头设计。这样的脚手架可能是酶工程平台的有利优势。在这里，我们提出了一种从从GH101酶家族的乙酰基乳糖苷酶活性位点（GH101酶家族的糖苷水解酶）的简化支架的从头设计的策略。使用Trrosetta幻觉，基于深度学习的结构预测的迭代循环以及蛋白质序列设计，我们设计了具有290个氨基酸的蛋白质，同时将分子量纳入了290个氨基酸，同时将分子量减少100 kDa，而不是初始的内膜α-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-N-乙酰乙酰基质抗乳酸化酶。在11种测试设计中，有6个表示为可溶性单体，与天然酶相比显示出相似或增加的恒温性。尽管缺乏可检测到的酶促活性，但代表性设计的实验确定的晶体结构以1.0Å的根平方偏差密切匹配设计，其催化性最重要的侧链在2.0Å之内。结果突出了脚手架幻觉在设计蛋白质中的潜力，该蛋白可能是后续酶工程的基础。关键字：从头设计，酶设计，糖苷水解酶，深网幻觉■简介
使用免疫信息学方法设计针对 SARS-CoV-2 的多表位肽候选疫苗
摘要 简介：目前，新型冠状病毒感染的肺炎病例数仅略有下降，已成为一项重大的公共卫生挑战。我们仍在鼓励开发针对该病毒的有效疫苗，例如从 SARS-CoV-2 的成分（包括其刺突、核衣壳和 ORF1a 蛋白）设计的多表位疫苗。由于添加包括 HABA 蛋白和 L7/L12 核糖体在内的佐剂被认为有助于提高所设计疫苗的有效性，我们建议通过两种不同的佐剂设计多表位疫苗。方法：我们使用 IEDB 服务器预测使用 VaxiJen、AllPred 和 IL-10 Prediction 等在线工具表征的 BCL 和 TCL 表位。将选定的表位进一步构建成多表位疫苗。我们还在疫苗成分中添加了两种不同的佐剂，以提高疫苗的有效性。使用 trRosetta 构建了 3D 结构的疫苗。进一步用ClusPro和PatchDock将它们与不同的Toll样受体（TLR 3、4和8）以及SARS-CoV-2的进入受体ACE2对接，并用FireDock进行精炼。所有结构均通过USCF Chimera和PyMOL可视化。结果：本研究通过添加HABA蛋白和L7/L12核糖体作为佐剂成功设计了两种不同的候选疫苗。两种疫苗的理化性质和特性几乎同样好。同样，它们与TLR3、4、8和ACE2的强相互作用表明两者的最低能级估计都在-1,000以上。疫苗与ACE2和TLR的相互作用对于激活免疫反应和产生抗体至关重要。结论：设计和构建的两种多表位疫苗具有良好的特性，可能具有激活针对SARS-CoV-2的体液和细胞免疫反应的潜力。值得考虑进一步研究以证实本研究的结果。