SSSCPreds:立体配座可変性の予測とSARS-CoV-2への応用のための深層ニューラルネットワークベースソフトウェア【JST・京大機械翻訳】

Izumi Hiroshi; Nafie Laurence A.; Nafie Laurence A.; Dukor Rina K.

文献

J-GLOBAL ID：202102229534217932 整理番号：21A0033422

SSSCPreds:立体配座可変性の予測とSARS-CoV-2への応用のための深層ニューラルネットワークベースソフトウェア【JST・京大機械翻訳】

SSSCPreds: Deep Neural Network-Based Software for the Prediction of Conformational Variability and Application to SARS-CoV-2

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A0033422&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A0033422&from=J-GLOBAL&jstjournalNo=W5044A") }}

著者 (4件)： , , ,
資料名：
巻： 5 号： 47 ページ： 30556-30567 発行年： 2020年
JST資料番号： W5044A ISSN： 2470-1343 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

蛋白質の安定性と剛性を改善するアミノ酸変異は結合親和性の増加を伴う。したがって,蛋白質表面に位置する保存されたアミノ酸は,抗体によって首尾よく標的化される可能性がある。定量的深部変異走査アプローチはウイルス進化を理解するための優れた技術であり,得られたデータはワクチン開発に利用できる。しかし,一般的に,全ての蛋白質へのアプローチの適用は,コストの点で困難である。この必要性に対処するために,SSSCPredication(SSSCPred)と呼ばれる超二次構造符号(SSSCs)のシーケンスベース予測のための深層ニューラルネットワークベースプログラムの構築を報告する。さらに,蛋白質の立体配座柔軟性または剛性を予測するために,3つの深いニューラルネットワークベースの予測システム(SSSCPred,SSSCPred100,およびSSSCPred200)から成るSSSCPredsと呼ばれる比較プログラムも開発した。ここで計算したアルゴリズムを用いて,S2サブユニットでのSARS-CoV-2スパイク蛋白質の受容体結合モチーフの柔軟性の程度とユニークなモチーフ(SSSC:SSSHSSHHHH)の剛性を示し,X線とCryo-EM構造に依存しない値を示した。SARS-CoV-2 RBDの配列柔軟性/剛性マップがACE2結合親和性と発現の配列-表現型マップに似ているという事実は,深い変異走査により実験的に得られ,3つの深いニューラルネットワークに基づく系によって予測されたものの間の同一のSSSC配列が,より低いACE2結合親和性とより低い発現の両方を有する配列と良く相関することを示唆した。キーワード標識データセットによる予測および観測SSSCsの複合解析は,試験系に対する構造的相関の理解に役立つであろう。Copyright 2021 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

分子・遺伝情報処理 , 分子構造

, , , , , ,

前のページに戻る