gr予測子:蛋白質周りの水和構造を予測するための深層学習モデル【JST・京大機械翻訳】

Kawama, K.; Fukushima, Y.; Ikeguchi, M.; Ohta, M.; Yoshidome, T.

プレプリント

J-GLOBAL ID：202202214815758816 整理番号：22P0334788

gr予測子:蛋白質周りの水和構造を予測するための深層学習モデル【JST・京大機械翻訳】

gr Predictor: a Deep-Learning Model for Predicting the Hydration Structures around Proteins

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月18日プレプリントサーバーでの情報更新日： 2022年04月18日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

蛋白質折畳み及びリガンド結合のような生物学的過程に影響する因子の中で,蛋白質周辺の三次元水部位分布機能により表される水和は極めて重要である。分子動力学シミュレーションと三次元参照相互作用サイトモデル(3D-RISM)理論を含む分布関数を計算するための典型的方法は,時間から数時間にわたる長い計算時間を必要とする。ここでは,蛋白質3D構造から3D-RISM理論により得られた蛋白質周辺の分布関数を迅速に推定する深層学習モデルを提案した。著者らの深い学習モデルを用いて予測した分布関数は,3D-RISM理論で得られたものと良く一致した。特に,深い学習モデルによって得られた分布関数と3D-RISM理論を用いて得た分布関数の間の決定係数は,約0.98であった。さらに,グラフィックス処理ユニット(GPU)を用いて,深い学習モデルによる計算は,1分未満で完了し,3D-RISM理論の計算時間よりも2桁以上速い。したがって,著者らの深い学習モデルは,三次元水サイト分布関数を計算する実用的で効率的な方法を提供する。「gr Predictor」と呼ばれるプログラムは,https://github.com/YoshidomeGroup Hydration/gr predictorからGNU General Public Licenseの下で利用可能である。【JST・京大機械翻訳】

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

蛋白質・ペプチド一般 , 理論生物学一般

, , , , , ,

前のページに戻る