相关实验视频
Updated: May 15, 2025

Pure Shift Nuclear Magnetic Resonance: a New Tool for Plant Metabolomics
Published on: July 31, 2021
莱戈拉斯:一种机器学习方法,用于快速和准确地预测蛋白质NMR化学转移
Mikayla Y Darrows1, Dimuthu Kodituwakku1, Jinze Xue1
1Department of Chemistry, University of Florida, Gainesville, Florida 32611, United States.
新的开源模型LEGOLAS快速准确地预测了蛋白质骨干的NMR化学转移. 从分子动力学轨迹中平均预测可以提高准确性,并有助于识别原生蛋白质状态.
科学领域:
- 计算化学的计算化学
- 结构生物学 结构生物学
- 生物物理学的生物物理.
背景情况:
- 核磁共振 (NMR) 光谱对于确定蛋白质结构和动态是至关重要的.
- 准确预测NMR化学转移对于解释实验数据至关重要.
- 现有的预测方法可能是计算密集型的,限制它们的应用到大型数据集或动态模拟.
研究的目的:
- 介绍LEGOLAS,一个新的,开源的神经网络模型,用于预测蛋白质骨干NMR化学转移.
- 开发一个既快速又准确的模型,使大规模的预测.
- 证明LEGOLAS在分析分子动力学轨迹和识别原生蛋白质状态方面的实用性.
主要方法:
- 基于TorchANI的神经网络模型的开发,名为LEGOLAS.
- 对蛋白质骨干原子 (N,Cα,Cβ,C',HN,Hα) 的模型的培训和验证.
- 与SHIFTX2模型对比预测速度和准确性.
主要成果:
- 对于Hα.LEGOLAS,它的平均平方根误差低至0.27ppm,可以达到高精度.
- 该模型预测化学转移的速度比SHIFTX2.2快一个数量级.
- 对分子动力学框架的化学转移预测的平均值显著改善了与实验数据的一致性.
- 莱戈拉斯成功地将原生蛋白质状态与诱区分开来.
结论:
- 莱戈拉斯在NMR蛋白质化学转移预测的速度和准确性方面取得了重大进展.
- 该模型的效率有助于分析大型结构组合,例如分子动力学模拟的结构组合.
- 莱戈拉斯为结构生物学提供了有价值的工具,有助于蛋白质结构的确定和构造分析.
更多相关视频
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
14:55Atomic Scale Structural Studies of Macromolecular Assemblies by Solid-state Nuclear Magnetic Resonance Spectroscopy
Published on: September 17, 2017
相关概念视频
¹H NMR: Interpreting Distorted and Overlapping Signals
As Δν decreases and the signals move closer, the doublets appear increasingly distorted. The intensities of the inner lines increase at the cost of those of the outer lines as the signals are...
NMR Spectroscopy Of Amines
Proton (¹H) NMR: Chemical Shift
Absorption signals of all the protium nuclei...
NMR Spectroscopy: Chemical Shift Overview
For instance, the proton...
NMR Spectrometers: Resolution and Error Correction
¹H NMR Chemical Shift Equivalence: Homotopic and Heterotopic Protons