Todos os empregos naturais dependem de como as diferentes proteínas se reúnem. Interação proteica – A proteína ajuda tudo do DNA e da divisão celular de controle em tarefas de alta qualidade em questões complexas.
Parece muito claro, no entanto, como esses serviços são organizados no nível das células, e a proteína se encontra – ou outras proteínas ou cópias ou cópias, cópias, cópias ou cópias.
Descoberta recente revelou que pequenos pedaços de proteína têm muito poder para trabalhar. Embora imperfeitos, as pernas de aminoácidos mais curtas ainda estão ligadas a vincular -se à proteína pretendida, em conformidade com o trabalho e o trabalho indígena. Com esse processo, eles podem alterar o trabalho de proteínas ou interferir em suas interações com outras proteínas.
Os sapatos de proteína têm força para capacitar o viés básico das interações e processos de proteínas, e pode haver solicitações médicas.
Publicado recentemente em A continuação da Academia Nacional de CiênciaUma nova abordagem para o departamento de biologia cria um bom modelos de inteligência disponíveis para prever os fragmentos de proteínas e prevenir proteínas altas de E. coli. Geralmente, essa ferramenta pode levar à remoção de um dependente nos livros contra qualquer proteína.
O trabalho é feito de um professor de Associas da Biologia e do Instituto Howard Hughes para o Instigator Gene-Wei Li no site de Jay A. Steology, e professor de Departamento de Chefe Amy Keating.
Aprendendo uma estrutura de estudo
O programa, chamado Froftfold, que é o modelo Alphafold, AI que levou à administração penomenal da biologia nos últimos anos devido à intermitância de proteínas.
A política do projeto era prever os inibidores dos inibidores, o romance de Alphald's. Os investigadores deste projeto confirmaram que mais da metade da prisão ou bloqueio de Fredfold eram precisas, se os pesquisadores não tinham dados recentes.
“Nossos resultados sugerem que esse é um método comum de encontrar métodos de ligação que podem impedir esses serviços como uma área de especulação contínua”, disse o primeiro escritor e a autoridade correspondente a Andrew Savinov, pós -doutorado no LAB. “Podemos realmente usar isso para proteína sem empregos conhecidos, sem ser conhecidos, sem edifícios conhecidos, e podemos definir parte desses modelos em crescimento”.
Um exemplo é o FTSZ, uma proteína importante na classificação das células. É bem lido, mas contém uma região perturbada e, portanto, especialmente o desafio do estudo. As proteínas em potencial são poderosas e sua interação ativa é mais provável – ela acontece tão brevemente ferramentas de biologia para a estrutura atual não podem capturar um edifício ou interação.
Os investigadores estão convencidos de avaliar o trabalho dos fragmentos FTSZ, incluindo os fragmentos do distrito enganoso, identificando novas novas parcerias de ligação com uma variedade de proteínas. Esse entendimento é tranquilizador e aumenta no exame anterior do trabalho da FTSZ.
O progresso é parcialmente importante porque é feito sem resolver uma estrutura regional desencorajada e porque mostra potencial frutfold.
“Este é outro exemplo de como o alfafold muda na maneira como mudamos a maneira como podemos aprender molecular e célula”, disse Keating. “O uso criativo da IA, como nossas operações em Frowfold, abre as habilidades inesperadas e novos indicadores de pesquisa”.
A proibição e além disso
Os investigadores alcançaram essas previsões sobre mais proteínas e imitar como essas peças se aproximarão dos parceiros que pensam.
Eles comparam os mapas previstos para interromper todos os efeitos dessas peças semelhantes nas células vivas, decidiram usar altas medições de teste quando milhões de células produzem algum tipo de proteína.
O Alphafold usa informações evolutivas para prever e geralmente inspeciona a história da proteína evolutiva usando algo chamado instintos alternativos que todas as previsões são executadas. Os MSAs criticam, mas podem ser uma grande garrafa de previsão – pode levar a quantidade de tempo para evitar e a capacidade de compilar.
Das placas, pesquisadores em vez de MSA para alta proteína em comprimento e, e usaram o efeito para direcionar as previsões de cada uma da proteína completa.
Savinov, em conjunto com o ex -aluno do ex -aluno do ex -aluno de Keating Sebastan Swanson PPHD '23, serviu fragmentos proibidos de várias proteínas definidas acima da FTSZ. Entre as interações que testaram estava um complexo entre a proteína lipolopichharida em LPTF e LPTG. O episódio LPTG que foi impedido por essa comunicação, talvez interferiu na entrega de lipopolysarida, parte integrante do E. coli Uma membrana externa das principais células da fadiga corporal.
“A maior surpresa é que podemos prever essa precisão e, de fato, preveja frequentemente a relação para impedir”, disse Savinov. “Em todas as proteínas que vimos, conseguimos encontrar os inibidores”.
Os estudos se concentram inicialmente no suporte de proteínas como inibidores, porque a peça pode impedir um trabalho importante no efeito simples do planejamento formal. No futuro, Savinov também está interessado em avaliar o trabalho imutável sem ser bloqueado, o que pode fortalecer as proteínas e fazer seu trabalho ou reviver sua deterioração, ou causar sua deterioração ou causar sua deterioração.
Design, na história
Este estudo é o primeiro ponto a melhorar a compreensão sistemática dos telefones celulares e quais são as coisas para modelos de leitura profunda que podem começar a fazer previsões precisas.
“Há um objetivo mais amplo, que atinge e atinge a construção”, disse Savinov. “Agora que somos capazes de prever, podemos usar nossos detalhes de previsões e exemplos de características positivas para descobrir o que o Alphafold aprendeu o que torna o bom inibidor?”
O Savinov e os participantes têm claramente expandindo os fragmentos de proteínas, avaliam alguma comunicação de proteínas e alteram certos residentes para ver como o Frante interage com seu alvo.
Testando o comportamento de milhares de modelos convertidos nas células, a maneira conhecida como um scanner profundo, exposto a aminoácidos -chave. Em alguns casos, as peças convertidas eram inibidores mais poderosas do que sua ordem natural e total.
“Ao contrário de maneiras anteriores, não estamos limitados a identificar os fragmentos da estrutura das instruções”, disse Wason. “A principal energia deste projeto é a interação entre os mais altos detalhes da avaliação e os modelos das peças previstas sobre como trabalhar no nível da célula”.
O Savinov está empolgado com o futuro desses principais programas.
“Ao formar compactos, linders de infraestrutura, o Froftfold abre muitas oportunidades para usar o trabalho da proteína”, concorda Li. “Podemos imaginar trazer peças práticas que possam mudar sua proteína tradicional e retomar a baixa distribuição e reenviar as novas ferramentas de andamento de células”.
