論文の概要: Using GANs for De Novo Protein Design Targeting Microglial IL-3R$α$ to Inhibit Alzheimer's Progression
- arxiv url: http://arxiv.org/abs/2405.06651v1
- Date: Fri, 5 Apr 2024 03:16:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 08:49:26.666325
- Title: Using GANs for De Novo Protein Design Targeting Microglial IL-3R$α$ to Inhibit Alzheimer's Progression
- Title（参考訳）: マイクログリアIL-3R$α$を標的としたデノボタンパク質設計のためのGANを用いたアルツハイマー病の進行抑制
- Authors: Arnav Swaroop,
- Abstract要約: 研究によると、IL-3はミクログリアをIL-3R受容体で活性化することによりアルツハイマー病を防御する。
本研究では,IL-3の二次構造が受容体との結合にどのような役割を果たすかを明らかにする。
この研究の背後にある動機は、そのメカニズムについてより深く学び、それを活性化できる可能性のある薬物を特定することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: IL-3 is a hemopoietic growth factor that usually targets blood cell precursors; IL-3R is a cytokine receptor that binds to IL-3. However, IL-3 takes on a different role in the context of glial cells in the nervous system, where studies show that the protein IL-3 protects against Alzheimer's disease by activating microglia at their IL-3R receptors, causing the microglia to clear out the tangles caused by the build-up of misfolded Tau proteins. In this study, we seek to ascertain what role the secondary structure of IL-3 plays in its binding with the receptor. The motivation behind this study is to learn more about the mechanism and identify possible drugs that might be able to activate it, in hopes of inhibiting the spread of Alzheimer's Disease. From a preliminary analysis of complexes containing IL-3 and IL-3R, we hypothesized that the binding is largely due to the interactions of three alpha helix structures stretching towards the active site on the receptor. The original Il-3 protein serves as the control in this experiment; the other proteins being tested are generated through several types of computational de novo protein design, where machine learning allows for the production of entirely novel structures. The efficacy of the generated proteins is assessed through docking simulations with the IL-3R receptor, and the binding poses are also qualitatively examined to gain insight into the function of the binding. From the docking data and poses, the most successful proteins were those with similar secondary structure to IL-3.
- Abstract（参考訳）: IL-3は、通常、血球前駆体を標的とする造血増殖因子であり、IL-3Rは、IL-3に結合するサイトカイン受容体である。
しかし、IL-3は神経系のグリア細胞の文脈において異なる役割を担っており、IL-3R受容体でミクログリアを活性化することにより、IL-3はアルツハイマー病に対して防御し、ミスフォールドされたタウタンパク質の蓄積によって引き起こされるタングルを除去する。
本研究では,IL-3の二次構造が受容体との結合にどのような役割を果たすかを明らかにする。
この研究の背後にある動機は、アルツハイマー病の拡散を抑制するために、そのメカニズムについてより深く学び、それを活性化できる可能性のある薬物を特定することである。
IL-3およびIL-3Rを含む複合体の予備的な解析から、この結合は受容体の活性部位に向かって伸びる3つのαヘリックス構造の相互作用に起因すると仮定した。
テスト中の他のタンパク質は、機械学習が全く新しい構造の創出を可能にするいくつかの種類の計算的デノボタンパク質設計によって生成される。
生成したタンパク質の有効性は、IL-3R受容体とのドッキングシミュレーションにより評価され、結合ポーズも質的に検討され、結合の機能について洞察を得る。
ドッキングデータとポーズから、最も成功したタンパク質はIL-3と類似した二次構造を持つタンパク質であった。
関連論文リスト
- MSAGPT: Neural Prompting Protein Structure Prediction via MSA Generative Pre-Training [48.398329286769304]
マルチシークエンスアライメント(MSA)は、タンパク質ファミリーの進化的軌道を明らかにする上で重要な役割を担っている。
MSAGPTは、低MSA状態下でのMSA生成前訓練を通じてタンパク質構造予測を促進する新しいアプローチである。
論文 参考訳（メタデータ） (2024-06-08T04:23:57Z) - ProtT3: Protein-to-Text Generation for Text-based Protein Understanding [88.43323947543996]
言語モデル(LM)は、タンパク質のテキスト記述を理解するのに優れている。
タンパク質言語モデル(PLM)は、タンパク質データを理解し、高品質な表現に変換するが、テキストを処理するのに苦労する。
ProtT3は、テキストベースのタンパク質理解のための、タンパク質からテキストへの生成のためのフレームワークである。
論文 参考訳（メタデータ） (2024-05-21T08:06:13Z) - Clustering for Protein Representation Learning [72.72957540484664]
本稿では,タンパク質の臨界成分を自動的に検出するニューラルネットワーククラスタリングフレームワークを提案する。
我々のフレームワークはタンパク質をグラフとして扱い、各ノードはアミノ酸を表し、各エッジはアミノ酸間の空間的またはシーケンシャルな接続を表す。
タンパク質の折り畳み分類, 酵素反応分類, 遺伝子期予測, 酵素コミッショニング数予測の4つの課題について検討した。
論文 参考訳（メタデータ） (2024-03-30T05:51:09Z) - Functional Geometry Guided Protein Sequence and Backbone Structure
Co-Design [12.585697288315846]
本稿では,自動検出機能部位に基づくタンパク質配列と構造を共同設計するモデルを提案する。
NAEProは、全シーケンスでグローバルな相関を捉えることができる、注目層と同変層のインターリービングネットワークによって駆動される。
実験結果から,本モデルは全競技種の中で,最高アミノ酸回収率,TMスコア,最低RMSDを実現していることがわかった。
論文 参考訳（メタデータ） (2023-10-06T16:08:41Z) - End-to-End Optimized Pipeline for Prediction of Protein Folding Kinetics [0.0]
本研究では,タンパク質の折り畳み速度を高精度かつ低メモリフットプリントで予測する効率的なパイプラインを提案する。
デプロイされた機械学習(ML)モデルは、最先端のMLモデルよりも精度が4.8%向上し、327倍のメモリを消費し、7.3%高速になった。
論文 参考訳（メタデータ） (2023-09-17T07:35:54Z) - Structure-informed Language Models Are Protein Designers [69.70134899296912]
配列ベースタンパク質言語モデル(pLM)の汎用的手法であるLM-Designを提案する。
pLMに軽量な構造アダプターを埋め込んだ構造手術を行い,構造意識を付加した構造手術を行った。
実験の結果,我々の手法は最先端の手法よりも大きなマージンで優れていることがわかった。
論文 参考訳（メタデータ） (2023-02-03T10:49:52Z) - 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) - 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) - EGR: Equivariant Graph Refinement and Assessment of 3D Protein Complex
Structures [8.494211223965703]
タンパク質複合体のマルチタスク構造改善と評価のための新しいE(3)-equivariant Graph Neural Network(GNN)であるEquivariant Graph Refiner(EGR)を紹介する。
この研究で公開している新しい多種多様なタンパク質複合体データセットに関する実験は、EGRの最先端の有効性を実証している。
論文 参考訳（メタデータ） (2022-05-20T18:11:41Z) - Deep manifold learning reveals hidden dynamics of proteasome
autoregulation [0.5872014229110214]
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。
論文 参考訳（メタデータ） (2020-12-23T18:23:53Z) - 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。