Protein sequence design with a learned potential.
Protein sequence design with a learned potential.
复制标题
具有学习潜能的蛋白质序列设计。
DOI：
10.1038/s41467-022-28313-9
复制
发表时间：
2022-02-08
影响因子：
16.6
通讯作者：
Huang PS
中科院分区：
文献类型：
--
作者：
Anand N;Eguchi R;Mathews II;Perez CP;Derry A;Altman RB;Huang PS
蛋白质序列设计是几乎所有理性蛋白质工程问题的核心，并且已经在能量函数的开发上投入了巨大的努力来指导设计。在这里，我们研究了深度神经网络模型在蛋白质骨架上自动设计序列的能力，直接从晶体结构数据中学习，没有任何人类指定的先验知识。该模型推广到训练过程中看不到的原生拓扑，产生实验稳定的设计。我们评估我们的方法的可推广性从头TIM桶支架。该模型产生新的序列，和高分辨率的晶体结构的两个设计显示出良好的一致性与计算机模型。我们的研究结果表明，一个完全学习的方法蛋白质序列设计的易处理性。实现给定蛋白质骨架构象的合理蛋白质设计是工程化特定功能所必需的。在这里，Anand等人描述了一种机器学习方法，该方法使用学习的神经网络潜力进行固定骨架蛋白质设计。
The task of protein sequence design is central to nearly all rational protein engineering problems, and enormous effort has gone into the development of energy functions to guide design. Here, we investigate the capability of a deep neural network model to automate design of sequences onto protein backbones, having learned directly from crystal structure data and without any human-specified priors. The model generalizes to native topologies not seen during training, producing experimentally stable designs. We evaluate the generalizability of our method to a de novo TIM-barrel scaffold. The model produces novel sequences, and high-resolution crystal structures of two designs show excellent agreement with in silico models. Our findings demonstrate the tractability of an entirely learned method for protein sequence design. Rational protein design to achieve a given protein backbone conformation is needed to engineer specific functions. Here Anand et al. describe a machine learning method using a learned neural network potential for fixed-backbone protein design.
登录
查看更多内容
影响因子：
14.8
作者：
Huang PS;Feldmeier K;Parmeggiani F;Velasco DAF;Höcker B;Baker D
通讯作者：
Baker D
影响因子：
14.9
作者：
Buchan, Daniel W. A.;Jones, David T.
通讯作者：
Jones, David T.
影响因子：
5.5
作者：
Alford, Rebecca F.;Leaver-Fay, Andrew;Gray, Jeffrey J.
通讯作者：
Gray, Jeffrey J.
DOI：
10.1002/prot.340140208
发表时间：
1992-10-01
期刊：
PROTEINS-STRUCTURE FUNCTION AND GENETICS
影响因子：
--
作者：
HOLM, L;SANDER, C
通讯作者：
SANDER, C
影响因子：
3.7
作者：
Gront D;Kulp DW;Vernon RM;Strauss CE;Baker D
通讯作者：
Baker D