Fugu-MT 論文翻訳(概要): Analysis of Coronavirus Envelope Protein with Cellular Automata (CA) Model

論文の概要: Analysis of Coronavirus Envelope Protein with Cellular Automata (CA) Model

arxiv url: http://arxiv.org/abs/2202.11752v1
Date: Sat, 15 Jan 2022 19:07:18 GMT
ステータス: 処理完了
システム内更新日: 2023-03-01 02:35:11.581050
Title: Analysis of Coronavirus Envelope Protein with Cellular Automata (CA) Model
Title（参考訳）: 細胞性オートマタ(CA)モデルを用いたコロナウイルスエンベロープタンパク質の解析
Authors: Raju Hazari and P Pal Chaudhuri
Abstract要約: 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。
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 reason of significantly higher transmissibility of SARS Covid (2019 CoV-2) compared to SARS Covid (2003 CoV) and MERS Covid (2012 MERS) can be attributed to mutations reported in structural proteins, and the role played by non-structural proteins (nsps) and accessory proteins (ORFs) for viral replication, assembly, and shedding. Envelope protein E is one of the four structural proteins of minimum length. Recent studies have confirmed critical role played by the envelope protein in the viral life cycle including assembly of virion exported from infected cell for its transmission. However, the determinants of the highly complex viral - host interactions of envelope protein, particularly with host Golgi complex, have not been adequately characterized. CoV-2 and CoV Envelope proteins of length 75 and 76 amino acids differ in four amino acid locations. The additional amino acid Gly (G) at location 70 makes CoV length 76. The amino acid pair EG at location 69-70 of CoV in place of amino acid R in location 69 of CoV-2, has been identified as a major determining factor in the current investigation. This paper concentrates on the design of computational model to compare the structure/function of wild and mutants of CoV-2 with wild and mutants of CoV in the functionally important region of the protein chain pair. We hypothesize that differences of CAML model parameter of CoV-2 and CoV characterize the deviation in structure and function of envelope proteins in respect of interaction of virus with host Golgi complex; and this difference gets reflected in the difference of their transmissibility. The hypothesis has been validated from single point mutational study on- (i) human HBB beta-globin hemoglobin protein associated with sickle cell anemia, (ii) mutants of envelope protein of Covid-2 infected patients reported in recent publications.
Abstract（参考訳）: SARS Covid (2019 CoV-2) をSARS Covid (2003 CoV) や MERS Covid (2012 MERS) と比較すると、SARS Covid (2019 CoV-2) の透過性が著しく高い理由は、構造タンパク質に報告された突然変異と、ウイルス複製、組立て、シーディングにおいて非構造タンパク質(nsps)とアクセサリータンパク質(ORF)が果たす役割に起因する。エンベロープタンパク質Eは、最小長の4つの構造タンパク質の1つである。近年の研究では、感染細胞から輸出されたウイルスの集合体を含むウイルスのライフサイクルにおいてエンベロープタンパク質が果たす重要な役割が確認されている。しかし、エンベロープタンパク質、特に宿主ゴルジ複合体の非常に複雑なウイルス-宿主相互作用の決定因子は、適切に特徴づけられていない。長さ75および76アミノ酸のCoV-2とCoV Envelopeタンパク質は4つのアミノ酸部位で異なる。位置70に付加されたアミノ酸Gly(G)は、CoVの長さ76を形成する。 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。本稿では,タンパク鎖ペアの機能的に重要な領域において,野生のCoV-2変異体と野生のCoV-2変異体の構造と機能を比較するための計算モデルの設計に焦点をあてる。 CoV-2とCoVのCAMLモデルパラメータの違いは、ウイルスと宿主ゴルジ複合体の相互作用におけるエンベロープタンパク質の構造と機能の違いを特徴付けると仮定し、その違いが伝達性の違いに反映される。この仮説は単一点突然変異研究から検証されている。 (i)ヒトHBBβ-グロビンヘモグロビン蛋白の病原性貧血との関連 (ii)Covid-2感染患者のエンベロープタンパク質変異株の報告

関連論文リスト

SFM-Protein: Integrative Co-evolutionary Pre-training for Advanced Protein Sequence Representation [97.99658944212675]
タンパク質基盤モデルのための新しい事前学習戦略を導入する。アミノ酸残基間の相互作用を強調し、短距離および長距離の共進化的特徴の抽出を強化する。大規模タンパク質配列データセットを用いて学習し,より優れた一般化能力を示す。
論文参考訳（メタデータ） (2024-10-31T15:22:03Z)
Long-context Protein Language Model [76.95505296417866]
言語モデル(LM)の自己教師による訓練は、有意義な表現の学習や創薬設計において、タンパク質配列に大きな成功を収めている。ほとんどのタンパク質LMは、短い文脈長を持つ個々のタンパク質に基づいて訓練されたトランスフォーマーアーキテクチャに基づいている。そこで我々は,選択的構造化状態空間モデルから構築した代替のタンパク質LMアーキテクチャであるBiMamba-Sに基づくLC-PLMを提案する。また、第2段階のトレーニングのために、タンパク質-タンパク質相互作用グラフの文脈化を行うLC-PLM-Gも導入した。
論文参考訳（メタデータ） (2024-10-29T16:43:28Z)
Functional Protein Design with Local Domain Alignment [39.79713846491306]
本稿では,タンパク質データベースから抽出したテキストアノテーションを組み込んだマルチモーダルなタンパク質設計フレームワークであるProtein-Alignment Generation (PAAG)を提案する。具体的には、マルチレベルアライメントモジュール内でPAAGは、対応するドメインアノテーションに条件付けられた特定のドメインを含むタンパク質を明示的に生成することができる。実験の結果,PAAGのタンパク質表現が7つの予測タスクよりも優れていることが示された。
論文参考訳（メタデータ） (2024-04-18T09:37:54Z)
PSC-CPI: Multi-Scale Protein Sequence-Structure Contrasting for Efficient and Generalizable Compound-Protein Interaction Prediction [63.50967073653953]
化合物-タンパク質相互作用予測は、合理的な薬物発見のための化合物-タンパク質相互作用のパターンと強度を予測することを目的としている。既存のディープラーニングベースの手法では、タンパク質配列や構造が単一のモダリティしか利用していない。 CPI予測のためのマルチスケールタンパク質配列構造コントラストフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-13T03:51:10Z)
Cellular Automata Model for Non-Structural Proteins Comparing Transmissibility and Pathogenesis of SARS Covid (CoV-2, CoV) and MERS Covid [0.0]
SARS CoV-2のSARS CoV(2003)に対する透過性は、構造タンパク質の変異によるものと考えられる。 16nspsのキータンパク質は非構造タンパク質nsp1であり、リーダータンパク質としても知られる。
論文参考訳（メタデータ） (2022-11-25T18:57:21Z)
State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
論文参考訳（メタデータ） (2022-09-30T01:46:38Z)
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)
Analyzing Host-Viral Interactome of SARS-CoV-2 for Identifying Vulnerable Host Proteins during COVID-19 Pathogenesis [2.0711877803169134]
感染機構に関与する遺伝子やタンパク質の同定は、複雑な分子機構に光を流す鍵となる。我々は、キータンパク質を同定し、中心タンパク質の機能強化を行うネットワーク中央度を計算した。我々は、COVID19は複雑な疾患であり、RBX1、HSPA5、ITCH、RAB7A、RAB5A、RAB8A、PSMC5、CAPZB、CANX、IGF2R、HSPA1Aなど、中枢性および多発性疾患に関連する多くの治療標的を強調した。
論文参考訳（メタデータ） (2021-02-05T15:57:48Z)
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)
One-shot screening of potential peptide ligands on HR1 domain in COVID-19 glycosylated spike (S) protein with deep siamese network [0.0]
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。
論文参考訳（メタデータ） (2020-04-05T09:35:41Z)
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。