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：1010次
特邀报告
报告开始：2022年07月23日 15:05 （Asia/Shanghai）
报告时间：20min
所在会议：[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。
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。
关键字
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