論文の概要: Deep manifold learning reveals hidden dynamics of proteasome
autoregulation
- arxiv url: http://arxiv.org/abs/2012.12854v1
- Date: Wed, 23 Dec 2020 18:23:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 18:14:19.245653
- Title: Deep manifold learning reveals hidden dynamics of proteasome
autoregulation
- Title(参考訳): 深層多様体学習はプロテアソーム自己制御の隠れたダイナミクスを明らかにする
- Authors: Zhaolong Wu, Shuwen Zhang, Wei Li Wang, Yinping Ma, Yuanchen Dong and
Youdong Mao
- Abstract要約: ポリユビキチル基質相互作用がプロテアソーム活性を調節する方法は理解されていない。
ここでは,原子レベルの極低温電子顕微鏡(cryo-em)再構成を可能にする,alphacryo4dと呼ばれる深部多様体学習フレームワークを紹介する。
alphacryo4dは3次元深層学習と自由エネルギーランドスケープの多様体埋め込みを統合する。
- 参考スコア(独自算出の注目度): 0.5872014229110214
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The 2.5-MDa 26S proteasome maintains proteostasis and regulates myriad
cellular processes. How polyubiquitylated substrate interactions regulate
proteasome activity is not understood. Here we introduce a deep manifold
learning framework, named AlphaCryo4D, which enables atomic-level cryogenic
electron microscopy (cryo-EM) reconstructions of nonequilibrium conformational
continuum and reconstitutes hidden dynamics of proteasome autoregulation in the
act of substrate degradation. AlphaCryo4D integrates 3D deep residual learning
with manifold embedding of free-energy landscapes, which directs 3D clustering
via an energy-based particle-voting algorithm. In blind assessments using
simulated heterogeneous cryo-EM datasets, AlphaCryo4D achieved 3D
classification accuracy three times that of conventional method and
reconstructed continuous conformational changes of a 130-kDa protein at
sub-3-angstrom resolution. By using AlphaCryo4D to analyze a single
experimental cryo-EM dataset, we identified 64 conformers of the
substrate-bound human 26S proteasome, revealing conformational entanglement of
two regulatory particles in the doubly capped holoenzymes and their energetic
differences with singly capped ones. Novel ubiquitin-binding sites are
discovered on the RPN2, RPN10 and Alpha5 subunits to remodel polyubiquitin
chains for deubiquitylation and recycle. Importantly, AlphaCryo4D choreographs
single-nucleotide-exchange dynamics of proteasomal AAA-ATPase motor during
translocation initiation, which upregulates proteolytic activity by
allosterically promoting nucleophilic attack. Our systemic analysis illuminates
a grand hierarchical allostery for proteasome autoregulation.
- Abstract(参考訳): 2.5-MDa 26Sプロテアソームはプロテオスタシスを維持し、無数の細胞プロセスを制御する。
ポリウビキチル化基質相互作用がプロテアソーム活性を制御するかは理解されていない。
ここでは,非平衡コンフォメーション連続体の原子レベル低温電子顕微鏡(cryo-EM)再構成を可能にし,プロテアソーム自己制御の隠れたダイナミクスを基板劣化の過程で再構成するAlphaCryo4Dという深層多様体学習フレームワークを紹介する。
AlphaCryo4Dは3次元深層学習と自由エネルギー景観の多様体埋め込みを統合し、エネルギーベースの粒子投票アルゴリズムによって3次元クラスタリングを誘導する。
ブラインド評価において,αcryo4dは従来の手法の3倍の3次元識別精度を達成し,130kdaタンパク質のサブ3アングストローム分解による連続構造変化を再構成した。
ヒト26Sプロテアソームの64個のコンホメータをAlphaCryo4Dを用いて解析し、二重キャップホロ酵素中の2つの制御粒子のコンホメーションの絡み合いと、それらのエネルギー的相違を明らかにした。
新規ユビキチン結合部位がRPN2、RPN10、Alpha5サブユニットで発見され、ポリユビキチン鎖をデビキチン化とリサイクルのためにリモデリングする。
重要なことは、AlphaCryo4Dはトランスロケーション開始時にプロテアソームAAA-ATPaseモーターの単一ヌクレオチド交換ダイナミクスを解析し、求核性攻撃を促進することでプロテアーゼ活性を亢進させる。
我々のシステム解析は、プロテアソーム自己調節のための大階層アロステリーを照らす。
関連論文リスト
- DRLComplex: Reconstruction of protein quaternary structures using deep
reinforcement learning [0.0]
予測された鎖間残基-残基接触は、タンパク質複合体の第四次構造をスクラッチから構築するために用いられる。
深部強化学習(DRLコンプレックス)に基づくエージェントベース自己学習手法を提案し, 鎖間接触を距離制約として, タンパク質複合体を構築する。
論文 参考訳(メタデータ) (2022-05-26T19:22:59Z) - Learning Geometrically Disentangled Representations of Protein Folding
Simulations [72.03095377508856]
この研究は、薬物標的タンパク質の構造的アンサンブルに基づいて生成ニューラルネットワークを学習することに焦点を当てている。
モデル課題は、様々な薬物分子に結合したタンパク質の構造的変動を特徴付けることである。
その結果,我々の幾何学的学習に基づく手法は,複雑な構造変化を生成するための精度と効率の両方を享受できることがわかった。
論文 参考訳(メタデータ) (2022-05-20T19:38:00Z) - Growing Isotropic Neural Cellular Automata [63.91346650159648]
我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。
細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
論文 参考訳(メタデータ) (2022-05-03T11:34:22Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳(メタデータ) (2021-11-25T10:11:41Z) - Independent SE(3)-Equivariant Models for End-to-End Rigid Protein
Docking [57.2037357017652]
我々は、剛体タンパク質ドッキング、すなわち、個々の非結合構造からタンパク質-タンパク質複合体の3次元構造を計算的に予測する。
本研究では, タンパク質の回転と翻訳を予測し, 1つのタンパク質をドッキング位置に置くために, ペアワイズ非独立なSE(3)-等変グラフマッチングネットワークを設計する。
我々のモデルはEquiDockと呼ばれ、結合ポケットを近似し、キーポイントマッチングとアライメントを用いてドッキングポーズを予測する。
論文 参考訳(メタデータ) (2021-11-15T18:46:37Z) - Generating 3D Molecules Conditional on Receptor Binding Sites with Deep
Generative Models [0.0]
本稿では,受容体結合部位に条件付き3次元分子構造を生成する深層学習システムについて述べる。
生成原子密度から有効な分子配座を構築するために原子フィッティング法と結合推論法を適用した。
この研究は、ディープラーニングによるタンパク質構造からの安定な生物活性分子のエンドツーエンド予測の扉を開く。
論文 参考訳(メタデータ) (2021-10-28T15:17:24Z) - Learning 3D Representations of Molecular Chirality with Invariance to
Bond Rotations [2.17167311150369]
3次元分子コンバータのねじれ角を処理するSE(3)不変モデルを設計する。
本研究では, 学習空間における異なる立体異性体のコンホメータを識別するコントラスト学習, キラル中心をR/Sに分類する学習, エンテロマーが円偏光でどのように回転するかの予測, タンパクポケット内のドッキングスコアによるエナンチオマーのランキングの4つのベンチマークを用いて実験を行った。
論文 参考訳(メタデータ) (2021-10-08T21:25:47Z) - G-DetKD: Towards General Distillation Framework for Object Detectors via
Contrastive and Semantic-guided Feature Imitation [49.421099172544196]
そこで本研究では,すべてのピラミッドレベルにまたがる特徴ペア間のソフトマッチングを自動的に行う,意味誘導型特徴模倣手法を提案する。
また,異なる特徴領域間の関係で符号化された情報を効果的に捉えるために,コントラスト蒸留を導入する。
本手法は,(1)フレームワークのコンポーネントを別々に使用した場合に,既存の検出KD技術よりも優れた性能を発揮する。
論文 参考訳(メタデータ) (2021-08-17T07:44:27Z) - Disentangling semantic features of macromolecules in Cryo-Electron
Tomography [7.804210995893708]
マクロ分子のセマンティックな特徴を明示的に切り離すことは、マクロ分子の下流解析を行う上で重要である。
本稿では, 高分子の構造, 配向, シフトを明示的に切り離す3次元空間変動オートエンコーダを提案する。
論文 参考訳(メタデータ) (2021-06-27T10:41:26Z) - EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based
Models [53.17320541056843]
本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。
EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
論文 参考訳(メタデータ) (2021-05-11T03:40:29Z)
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。