במאמר שפורסם לאחרונה ב תקשורת טבע, צוות חוקרים מאוניברסיטת וירג'יניה -; כולל פיל בורן, דיקן בית הספר למדעי הנתונים, קאם מורה, מדען בכיר בבית הספר, ואלי דרייזן, בוגר לאחרונה UVA-; מציעים גישה מונעת בינה מלאכותית לחקור קווי דמיון מבניים ויחסים ברחבי יקום החלבון.
המחקר שלהם מערער על תפיסות קונבנציונליות לגבי קשרי מבנה חלבון (כלומר, דפוסים של דמיון והבדלים) ובכך מזהה קשרים חלשים רבים שמתפספסים בשיטות המסורתיות.
באופן ספציפי, המחברים מדווחים על מסגרת חישובית שיכולה לזהות ולכמת קשרי חלבון כאלה בקנה מידה (על פני אינספור חלבונים), באופן חדשני, גמיש וניואנסי המשלב גישות מבוססות למידה עמוקה עם מודל מושגי חדש, המכונה Urfold , המאפשר לשני חלבונים להפגין דמיון ארכיטקטוני למרות שיש להם טופולוגיות שונות או "קפלים".
בורן, מורה ודרייזן שיתפו פעולה בפרויקט עם סטלה ורטניק. כל המחברים הם חברים במעבדה למדעי הביולוגי החישוביים של Bourne & Mura, שהיא חלק מבית הספר למדעי הנתונים והמחלקה להנדסה ביו-רפואית של UVA.
הפרסום הוא שיאה של שנים של עבודה של מעבדת בורן לפיתוח מסגרת מונעת בינה מלאכותית זו, הנקראת DeepUrfold, כדי לאפשר את תיאוריית ה-Urfold של יחסי מבנים להיחקר באופן שיטתי ובקנה מידה.
באמצעות DeepUrfold, צוות מעבדת בורן זיהה קשרים מבניים חלשים ברחבי יקום החלבונים בין חלבונים שנחשבו כלא קשורים, אבולוציונית או אחרת.
בלכידת ותיאור הקשרים המרוחקים הללו, DeepUrfold רואה את קשרי החלבון במונחים של "קהילות" ונמנעת מהגישה המקובלת של סיווג חלבונים לפחים נפרדים שאינם חופפים. ביחד, הגישות המתודולוגיות החדשות הללו יכולות לדחוף את החוקרים לעבור מעבר לחשיבה על קווי דמיון בחלבונים במונחים סטטיים, גיאומטריים ולכיוון של גישה משולבת יותר.
בורן, דיקן מייסד של בית הספר למדעי הנתונים, הוא בעל שם עולמי בקהילה המדעית בשל מחקריו, כולל ביואינפורמטיקה מבנית וביולוגיה חישובית באופן רחב יותר. מוקדם יותר בקריירה שלו, הוא הוביל את הפיתוח של RCSB Protein Data Bank, אוצר אמיתי של מידע על מבנה חלבון שעזר לחולל מהפכה בתחום וסלל את הדרך להתקדמות AI עכשווית כמו AlphaFold.
Mura, בעל מינויים בבית הספר למדעי הנתונים והמחלקה להנדסה ביו-רפואית ב-UVA, הוא בעל רקע נרחב בביולוגיה מבנית וחישובית, כולל מחקרים ביוכימיים וקריסטלוגרפיים של מערכות מבוססות RNA וביופיזיקה מולקולרית של DNA. הוא רואה מערכות ביולוגיות דרך עדשת האבולוציה המולקולרית וחוקר את ההצטלבות של אזורים אלה עם מדע הנתונים.
דרייזן קיבל דוקטורט בהנדסה ביו-רפואית מ-UVA בהנחייתו של בורן וכיום הוא משמש כפוסט-דוקטורט בביולוגיה חישובית באוניברסיטת קליפורניה, סן פרנסיסקו.
ורטניק היה מדען מחקר בכיר ב-UVA המתמקד בביולוגיה חישובית ובמבנה, תפקוד ואבולוציה של קפלי חלבון.
אתה יכול לקרוא את המאמר המלא -; שכותרתו "מודלים יצירתיים עמוקים של מבנה חלבון חושפים קשרים מרוחקים על פני חלל קיפול מתמשך" -; באתר טבע תקשורת.
במאמר שפורסם לאחרונה ב-Nature Communications, צוות חוקרים מאוניברסיטת וירג'יניה -; כולל פיל בורן, דיקן בית הספר למדעי הנתונים, קאם מורה, מדען בכיר בבית הספר, ואלי דרייזן, בוגר לאחרונה UVA-; מציעים גישה מונעת בינה מלאכותית לחקור קווי דמיון מבניים ויחסים ברחבי יקום החלבון.
המחקר שלהם מערער על תפיסות קונבנציונליות לגבי קשרי מבנה חלבון (כלומר, דפוסים של דמיון והבדלים) ובכך מזהה קשרים חלשים רבים שמתפספסים בשיטות המסורתיות.
באופן ספציפי, המחברים מדווחים על מסגרת חישובית שיכולה לזהות ולכמת קשרי חלבון כאלה בקנה מידה (על פני אינספור חלבונים), באופן חדשני, גמיש וניואנסי המשלב גישות מבוססות למידה עמוקה עם מודל מושגי חדש, המכונה Urfold , המאפשר לשני חלבונים להפגין דמיון ארכיטקטוני למרות שיש להם טופולוגיות שונות או "קפלים".
בורן, מורה ודרייזן שיתפו פעולה בפרויקט עם סטלה ורטניק. כל המחברים הם חברים במעבדה למדעי הביולוגי החישוביים של Bourne & Mura, שהיא חלק מבית הספר למדעי הנתונים והמחלקה להנדסה ביו-רפואית של UVA.
הפרסום הוא שיאה של שנים של עבודה של מעבדת בורן לפיתוח מסגרת מונעת בינה מלאכותית זו, הנקראת DeepUrfold, כדי לאפשר את תיאוריית ה-Urfold של יחסי מבנים להיחקר באופן שיטתי ובקנה מידה.
באמצעות DeepUrfold, צוות מעבדת בורן זיהה קשרים מבניים חלשים ברחבי יקום החלבונים בין חלבונים שנחשבו כלא קשורים, אבולוציונית או אחרת.
בלכידת ותיאור הקשרים המרוחקים הללו, DeepUrfold רואה את קשרי החלבון במונחים של "קהילות" ונמנעת מהגישה המקובלת של סיווג חלבונים לפחים נפרדים שאינם חופפים. ביחד, הגישות המתודולוגיות החדשות הללו יכולות לדחוף את החוקרים לעבור מעבר לחשיבה על קווי דמיון בחלבונים במונחים סטטיים, גיאומטריים ולכיוון של גישה משולבת יותר.
בורן, דיקן מייסד של בית הספר למדעי הנתונים, הוא בעל שם עולמי בקהילה המדעית בשל מחקריו, כולל ביואינפורמטיקה מבנית וביולוגיה חישובית באופן רחב יותר. מוקדם יותר בקריירה שלו, הוא הוביל את הפיתוח של RCSB Protein Data Bank, אוצר אמיתי של מידע על מבנה חלבון שעזר לחולל מהפכה בתחום וסלל את הדרך להתקדמות AI עכשווית כמו AlphaFold.
Mura, בעל מינויים בבית הספר למדעי הנתונים והמחלקה להנדסה ביו-רפואית ב-UVA, הוא בעל רקע נרחב בביולוגיה מבנית וחישובית, כולל מחקרים ביוכימיים וקריסטלוגרפיים של מערכות מבוססות RNA וביופיזיקה מולקולרית של DNA. הוא רואה מערכות ביולוגיות דרך עדשת האבולוציה המולקולרית וחוקר את ההצטלבות של אזורים אלה עם מדע הנתונים.
דרייזן קיבל דוקטורט בהנדסה ביו-רפואית מ-UVA בהנחייתו של בורן וכיום הוא משמש כפוסט-דוקטורט בביולוגיה חישובית באוניברסיטת קליפורניה, סן פרנסיסקו.
ורטניק היה מדען מחקר בכיר ב-UVA המתמקד בביולוגיה חישובית ובמבנה, תפקוד ואבולוציה של קפלי חלבון.
