ProFOLD,ProDESIGN and ProAffinity:蛋白质结构预测、设计、亲和力预测算法研究
编号:119 访问权限:仅限参会人 更新:2022-07-11 09:41:11 浏览:588次 特邀报告

报告开始:2022年07月23日 15:05(Asia/Shanghai)

报告时间:20min

所在会场:[S2] 分会场2 [S2-1] 基因组学与表观基因组学

暂无文件

摘要
蛋白质结构预测与蛋白质设计是一枚硬币的两面。针对蛋白质结构预测,我们设计了新型神经网络CopulaNet,直接从同源序列联配估计残基间距离,有效克服了基于统计技术的“信息丢失”缺陷,进而设计了蛋白质结构从头预测算法ProFOLD和有模板预测方法ProALIGN,性能超过AlphaFold,正努力赶超AlphaFold2。
   针对蛋白质设计,提出了学习局部微环境的神经网络,设计了算法ProDESIGN系列,应用ProDESIGN设计了蛋白质CAT III和绿色荧光蛋白GFP,其晶体结构与目标结构接近(RMSD=1.4 埃)。
   针对蛋白质亲和力预测,设计了算法ProAffinity,可准确估计残基突变对亲和力的影响。
 
关键词
暂无
报告人
卜东波
研究员 中科院计算所

卜东波,中科院计算所研究员,研究兴趣包括生物信息学(蛋白质结构预测、糖结构鉴定)、计算机算法设计,在Nature Communications, NAR, AC, ISMB/RECOMB等发表论文100余篇,著有《算法讲义》,带领小SIGMA数学特别兴趣组合著《少儿计算思维养成记》。主要成果包括: (1)提出了“逆向蒙特卡罗”采样算法,有效克服优化问题中的目标函数设计难题; (2)研制了“用AI辅助算法设计”的AIA系统,实现变“凭灵感设计算法”为“从数据学习出算法”,在最小加权集合覆盖问题上优于“人”设计的贪心算法; (3)设计了直接学习残基间距离的新型神经网络CopulaNet,设计了蛋白质结构预测算法ProFOLD,性能超过AlphaFold,正努力赶超AlphaFold2; (4)提出了蛋白质设计算法ProDESIGN,并完成了圆二向色谱、Xray晶体衍射等实验验证。
 

发表评论
验证码 看不清楚,更换一张
全部评论
重要日期
  • 会议日期

    07月22日

    2022

    07月25日

    2022

  • 06月15日 2022

    初稿截稿日期

  • 07月05日 2022

    提前注册日期

  • 08月01日 2022

    注册截止日期

主办单位
中国生物工程学会计算生物学与生物信息学专业委员会
中山大学中山眼科中心
中山大学医学院
南方医科大学
承办单位
中山大学中山眼科中心
中山大学医学院
南方医科大学
联系方式
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询