UCSF ChimeraX:用于结构构建和分析的工具
Elaine C Meng1, Thomas D Goddard1, Eric F Pettersen1
1Department of Pharmaceutical Chemistry, University of California San Francisco, San Francisco, California, USA.
Protein science : a publication of the Protein Society
|September 29, 2023
概括
新的UCSF ChimeraX软件功能通过机器学习增强了用于大型分子组件的原子模型构建. 这些工具提高了电子显微镜数据分析的准确性,并识别了潜在的建模错误.
科学领域:
- 结构生物学是结构生物学.
- 计算生物学是一种计算生物学.
- 生物物理学的生物物理.
背景情况:
- 大分子组合的精确原子模型对于理解生物功能至关重要.
- 电子显微镜 (EM) 提供高分辨率的结构数据,但模型构建可能具有挑战性.
研究的目的:
- 在UCSF ChimeraX中引入新的计算工具,以改善EM中的原子模型构建.
- 为了提高从EM数据中获得的分子模型的准确性和可靠性.
主要方法:
- 使用机器学习结构预测来生成原子模型.
- 在实验电子显微镜地图中实现基于概率的模型拟合.
- 开发每余分计分功能,以检测和量化建模错误.
主要成果:
- 在为大型分子组件构建精确的原子模型方面表现出增强的能力.
- 通过使用新的评分方法,成功识别和分析了潜在的建模错误.
- 分析突变,翻译后修饰和连接体相互作用的综合工具.
结论:
- 从EM数据中构建高分辨率原子模型的UCSF ChimeraX提供先进的,集成的工具.
- 新的方法有助于更可靠地解释结构生物学数据.
- 这些进展有助于在分子水平上理解复杂的生物系统.


