抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヒト蛋白質の変異は疾患につながる。これらの蛋白質の構造は,そのような疾患のメカニズムを理解し,それらに対する治療法を開発するのに役立つ。RosetTAFoldおよびAlphaFoldのような改善された深層学習技法により,構造同族体がない場合でさえ蛋白質の構造を予測できる。蛋白質データバンク(PDB)における既知蛋白質構造または近接同族体のない533疾患関連ヒト蛋白質からドメインをモデル化し抽出した。モデル品質は,未知の構造のPfamファミリーのみに割り当てられるか,またはどちらかに割り当てられないものと比べて,CATHファミリーに割り当てられるドメインに対するアルファFoldとRosetTAFoldモデルの間で,より高く,RMSDがより低いことに気付いた。これらの予測構造におけるリガンド結合部位,蛋白質-蛋白質界面,保存残基を予測した。次に,ddG計算に基づく蛋白質構造を不安定化するか,またはそれらが病原性であると予測されるならば,疾患関連ミスセンス変異がこれらの予測機能部位の近接にあるかどうかを調査した。機能的部位,構造不安定化または病原性への近接性に基づくこれらの疾患関連変異の80%を説明できた。多型と比較して,疾患関連ミスセンス変異のより大きな割合が埋められ,予測機能部位に近く,不安定化および/または病原性として予測された。2つの最先端技術からのモデルの使用は,著者らの予測においてより良い信頼性を提供し,著者らは,アルファFoldモデルだけに基づいて説明できなかったRoseTAFoldモデルに基づく93の付加的突然変異を説明する。【JST・京大機械翻訳】