预测建模和冷EM:一种协同方法来建模宏分子结构
Michael R Corum1, Harikanth Venkannagari1, Corey F Hryc1
1Department of Biochemistry and Molecular Biology, McGovern Medical School at the University of Texas Health Science Center, Houston, Texas.
Biophysical journal
|January 25, 2024
概括
结构生物学在电子冷显微镜 (cryo-EM) 和预测建模方面的进展,如AlphaFold,使近原子分辨率结构成为可能. 结合这些技术可以加速创建复杂的宏分子模型.
科学领域:
- 结构生物学是结构生物学.
- 生物物理学的生物物理.
- 计算生物学是一种计算生物学.
背景情况:
- 单粒子冷电子显微镜 (cryo-EM) 现在实现了接近原子分辨率.
- 机器学习,以AlphaFold为例,可以从序列中准确预测蛋白质结构.
- 这些强大的技术为宏分子建模提供了协同作用的潜力.
研究的目的:
- 提供冷EM和预测建模进步的概述.
- 为了说明这些技术在模型构建中的整合.
- 讨论结合方法中的见解,评估和局限性.
主要方法:
- 对单粒子冷EM进行高分辨率结构确定的审查.
- 基于机器学习的预测建模 (例如,AlphaFold) 对蛋白质结构的应用.
- 结合冷电磁密度图与预测模型的整合策略.
主要成果:
- 低温EM已经克服了以前对宏分子复合体的分辨率限制.
- 预测建模工具可以从序列中可靠地生成准确的蛋白质模型.
- 结合方法有助于构建大型复杂的宏分子模型.
结论:
- 低温EM和预测建模之间的协同作用加速了结构生物学见解.
- 集成为模型构建,评估和理解局限性提供了强大的工具.
- 与实验数据的结合进一步增强了宏分子结构信息的生成.
更多相关视频
09:25Do's and Don'ts of Cryo-electron Microscopy: A Primer on Sample Preparation and High Quality Data Collection for Macromolecular 3D Reconstruction
Published on: January 9, 2015
46.2K
13:43A Robust Single-Particle Cryo-Electron Microscopy cryo-EM Processing Workflow with cryoSPARC, RELION, and Scipion
Published on: January 31, 2022
13.2K
