関連する実験動画
Updated: Feb 14, 2026

A Protocol for Computer-Based Protein Structure and Function Prediction
Published on: November 3, 2011
人工知能によって予測されたGH11キシラナーゼモデルの評価と,これまで報告されていない実験構造の比較:形状的精度とリガンド結合への影響
1College of General Education, Kookmin University, Seoul 02707, Republic of Korea.
人工知能が予測したタンパク質構造を実験データと比較することは不可欠です. この研究では,親指領域と基板結合裂縫の変異が発見され,分子機構の理解に影響を与え,AIモデルアプリケーションを導くことができました.
科学分野:
- 構造生物学 構造生物学とは
- コンピュータ生物学 コンピュータ生物学
- バイオテクノロジー バイオテクノロジー
背景:
- 人工知能 (AI) 構造予測ツールは,タンパク質構造を決定するための強力な方法を提供します.
- AIが予測するモデルは,タンパク質の機能識別,医薬品開発,エンジニアリングにおいて極めて重要です.
- AIが予測した構造の不正確さは,分子機構の誤った解釈につながる可能性があります.
研究 の 目的:
- 実験モデルとAIで予測されたモデルの構造的差異を評価する.
- Hypocrea virens (HviGH11) のキシラナーゼの結晶構造をAIの予測と比較する.
- 構造的および機能的研究におけるAIモデルの適切な適用をガイドする.
主な方法:
- HviGH11.11の結晶構造を決定しました.
- 実験的なHviGH11構造をESMFold,AlphaFold2,AlphaFold3,RoseTTAFoldのモデルと比較した.
- キシロヘキサオスを用いた基板ドッキング試験を実施した.
主要な成果:
- 実験モデルとAIで予測されたHviGH11モデルの間で,全体的に折りたたみの類似性は高い.
- 指領域の構成はモデルによって異なる.
- 基板結合裂けは,実験モデルとRoseTTAFoldモデルの間で有意に異なっていたが,ESMFold,AlphaFold2,AlphaFold3.3と類似していた.
- 基板のドッキングにより,キシロヘキサオスの結合モードの違いが明らかになった.
結論:
- AIで予測されたモデルは,全体的に高い折りたたみ類似性を示しますが,ドメイン特有のバリエーションがあります.
- 基板結合裂け目とドッキングモードの違いは,AIモデルの慎重な評価の必要性を強調しています.
- 発見は,研究とバイオテクノロジーにおけるAIが予測した構造の適用のためのガイドラインを提供します.
さらに関連する動画
05:48Cell Aggregation Assays to Evaluate the Binding of the Drosophila Notch with Trans-Ligands and its Inhibition by Cis-Ligands
Published on: January 2, 2018
05:50Pharmacophore Modeling for Targets with Extensive Ligand Libraries: A Case Study on SARS-CoV-2 Mpro
Published on: September 26, 2025
関連する概念動画
Ligand Binding and Linkage
Ligand Binding and Linkage
Ligand Binding Sites
Protein-ligand interactions are quite specific; even though numerous potential ligands surround a cellular protein at any given time, only a particular ligand can bind to that protein. Moreover, a ligand binds only to a dedicated area on the surface of the protein, known as the...
Ligand Binding Sites
Improving Translational Accuracy
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...