論文の概要: One-shot screening of potential peptide ligands on HR1 domain in
COVID-19 glycosylated spike (S) protein with deep siamese network
- arxiv url: http://arxiv.org/abs/2004.02136v3
- Date: Sat, 11 Apr 2020 09:23:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 13:21:29.106808
- Title: One-shot screening of potential peptide ligands on HR1 domain in
COVID-19 glycosylated spike (S) protein with deep siamese network
- Title（参考訳）: ディープサイムズネットワークを有するCOVID-19グリコシル化スパイク(S)タンパク質のHR1ドメイン上のペプチドリガンドのワンショットスクリーニング
- Authors: Nicol\`o Savioli
- Abstract要約: 新型ウイルス(2019-nCoV)は、新たな国際健康の台頭を宣言している。
提案されたアプローチの新規性は、2019-nCoVウイルスに対するディープニューラルネットワークの正確なトレーニングにある。
現在のディープラーニングシステムは、2019-nCoVタンパク質構造間のペプチド結合の正確な知識を持っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The novel coronavirus (2019-nCoV) has been declared to be a new international
health emergence and no specific drug has been yet identified. Several methods
are currently being evaluated such as protease and glycosylated spike (S)
protein inhibitors, that outlines the main fusion site among coronavirus and
host cells. Notwithstanding, the Heptad Repeat 1 (HR1) domain on the
glycosylated spike (S) protein is the region with less mutability and then the
most encouraging target for new inhibitors drugs.The novelty of the proposed
approach, compared to others, lies in a precise training of a deep neural
network toward the 2019-nCoV virus. Where a Siamese Neural Network (SNN) has
been trained to distingue the whole 2019-nCoV protein sequence amongst two
different viruses family such as HIV-1 and Ebola. In this way, the present deep
learning system has precise knowledge of peptide linkage among 2019-nCoV
protein structure and differently, of other works, is not trivially trained on
public datasets that have not been provided any ligand-peptide information for
2019-nCoV. Suddenly, the SNN shows a sensitivity of $83\%$ of peptide affinity
classification, where $3027$ peptides on SATPdb bank have been tested towards
the specific region HR1 of 2019-nCoV exhibiting an affinity of $93\%$ for the
peptidyl-prolyl cis-trans isomerase (PPIase) peptide. This affinity between
PPIase and HR1 can open new horizons of research since several scientific
papers have already shown that CsA immunosuppression drug, a main inhibitor of
PPIase, suppress the reproduction of different CoV virus included SARS-CoV and
MERS-CoV. Finally, to ensure the scientific reproducibility, code and data have
been made public at the following link: https://github.com/bionick87/2019-nCoV
- Abstract（参考訳）: 新型ウイルス(2019-nCoV)は新たな国際的健康の出現と宣言され、特定の薬物は特定されていない。
現在、プロテアーゼやグリコシル化スパイク(S)タンパク質阻害薬など、新型コロナウイルスや宿主細胞の核融合部位を概説するいくつかの方法が評価されている。
しかしながら、グリコシル化スパイク(S)タンパク質上のHeptad Repeat 1(HR1)ドメインは、変異性の低い領域であり、新しい阻害剤の標的となっている。
シームズニューラルネットワーク(SNN)は、HIV-1とエボラのような2つの異なるウイルスファミリーの2019-nCoVタンパク質配列を解消するために訓練されている。
このようにして、現在のディープラーニングシステムは、2019-nCoVタンパク質構造間のペプチド結合の正確な知識を持ち、他の研究とは異なり、2019-nCoVのリガンド-ペプチド情報を提供していない公開データセットに対して自明に訓練されていない。
突然、SNNはペプチド親和性分類の8,3\%の感度を示し、SATPdbバンク上のペプチド3027ドルは、ペプチジルプロリルシストランスイソメラーゼ(PPIase)ペプチドに対して9,3\%の親和性を示す2019-nCoVの特定領域HR1に対して試験されている。
このPPIaseとHR1との親和性は、すでにいくつかの科学論文でPPIaseの主要阻害剤であるCsA免疫抑制薬がSARS-CoVとMERS-CoVを含む異なるCoVウイルスの複製を抑制することが示されていることから、新たな研究の地平を開くことができる。
最後に、科学的再現性を確保するために、コードとデータは以下のリンクで公開されている。
関連論文リスト
- Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。
コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。
以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文 参考訳（メタデータ） (2023-04-24T08:17:16Z) - Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a
Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。
このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。
最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
論文 参考訳（メタデータ） (2022-04-19T17:59:46Z) - Analysis of Coronavirus Envelope Protein with Cellular Automata (CA)
Model [0.0]
SARS Covid(2019 CoV-2)とSARS Covid(2003 CoV)とMERS Covid(2012 MERS)は、構造タンパク質で報告された突然変異に起因する。
CoV-2の69位にあるアミノ酸Rの代わりにCoVの69-70位にあるアミノ酸対EGが、現在の調査の主要な決定要因として同定されている。
論文 参考訳（メタデータ） (2022-01-15T19:07:18Z) - Using Deep Learning Sequence Models to Identify SARS-CoV-2 Divergence [1.9573380763700707]
SARS-CoV-2は上層呼吸器系RNAウイルスで、2021年5月時点で300万人以上が死亡し、全世界で1億5000万人以上が感染している。
本稿では、繰り返しおよび畳み込み単位を利用してスパイクタンパク質のアミノ酸配列を取り込み、対応するクレードを分類するニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2021-11-12T07:52:11Z) - Classification of Influenza Hemagglutinin Protein Sequences using
Convolutional Neural Networks [8.397189036839956]
本稿では,インフルエンザA型ウイルスが特定の宿主,具体的にはヒト,鳥,豚の宿主に感染するかどうかを,HA遺伝子のタンパク質配列のみを用いて正確に予測することに焦点を当てる。
本稿では, タンパク質配列を疎水性指数を用いて数値信号に符号化し, その後, 畳み込みニューラルネットワークに基づく予測モデルを活用することを提案する。
その結果,ヒト,鳥,豚の宿主に感染するウイルスが検出された場合,HAタンパク質配列を高い精度で識別できることがわかった。
論文 参考訳（メタデータ） (2021-08-09T10:42:26Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳（メタデータ） (2021-08-07T15:08:15Z) - Designing a Prospective COVID-19 Therapeutic with Reinforcement Learning [50.57291257437373]
SARS-CoV-2パンデミックは、治療のための世界的なレースを生み出した。
1つのアプローチは、ヒトアンジオテンシン変換酵素2(ACE2)の新規な変異体の設計に焦点を当てる
我々は、強化学習問題として、新しいタンパク質設計の枠組みを定式化する。
論文 参考訳（メタデータ） (2020-12-03T07:35:38Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with
conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。
タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-27T11:30:15Z) - Computational modeling of Human-nCoV protein-protein interaction network [17.875102234550305]
新型コロナウイルスは、2020年に死亡率と死亡率の高い世界的なパンデミックを生み出した。
ICTVは、nCoVは2003年のSARS-CoV流行と非常によく似ていると宣言している。
論文 参考訳（メタデータ） (2020-05-05T04:16:21Z) - CogMol: Target-Specific and Selective Drug Design for COVID-19 Using
Deep Generative Models [74.58583689523999]
新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。
CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。
CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
論文 参考訳（メタデータ） (2020-04-02T18:17:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。