Construcción automatizada de modelos y identificación de proteínas en mapas cryo-EM

Área de la Ciencia:

• Biología estructural
• Biología computacional
• La biofísica

Sus antecedentes:

• La construcción de modelos atómicos en mapas de crio-microscopía electrónica (crio-EM) es compleja y requiere un esfuerzo manual significativo.
• Los métodos actuales requieren una gran experiencia y un uso extensivo del software gráfico 3D, lo que crea cuellos de botella en la determinación de la estructura.

Objetivo del estudio:

• Desarrollar un enfoque automatizado basado en el aprendizaje automático para la construcción de modelos atómicos en mapas cryo-EM.
• Mejorar la eficiencia, la objetividad y la precisión de la determinación de la estructura cryo-EM.

Principales métodos:

• ModelAngelo utiliza una red neuronal de gráficos para integrar los datos del mapa cryo-EM con la secuencia de proteínas y la información estructural.
• Predice las probabilidades de aminoácidos para búsquedas de secuencias utilizando modelos ocultos de Markov.

Principales resultados:

• ModelAngelo construye modelos atómicos de proteínas con una calidad comparable a la de los expertos humanos.
• Para los nucleótidos, ModelAngelo logra una precisión a nivel humano en la construcción de la columna vertebral.
• La herramienta supera a los expertos humanos en la identificación de proteínas con secuencias desconocidas.

Conclusiones:

• ModelAngelo reduce significativamente los cuellos de botella y mejora la objetividad en la determinación de la estructura de crio-EM.
• Este enfoque automatizado tiene el potencial de acelerar el ritmo de la investigación en biología estructural.