云上的PTM-Psi:一种与云兼容的工作流程,用于可扩展,高通量模拟蛋白质复合体中翻译后修饰的蛋白质复合体

科学领域:

• 计算生物学是一种计算生物学.
• 生物化学 生化学
• 云计算是一种云计算.

背景情况:

• 翻译后修改 (PTMs) 显著影响蛋白质的结构和功能.
• 调查PTM,特别是醇PTM的组合效应,是一个重大的计算挑战.
• 蓝藻细菌的卡尔文-本森循环依赖于蛋白质复合体,其PTM对于调节依赖光的糖生产至关重要.

研究的目的:

• 开发一个先进的计算框架,以加快对蛋白质结构和相互作用的PTM研究.
• 通过将PTM-Psi Python包重构为云兼容的库来增强PTM-Psi Python包,以实现更广泛的可访问性和功能.
• 通过使用云计算资源,使蛋白质大复合体上的醇PTMs能够进行高吞吐量分析.

主要方法:

• 开发了一个先进的计算框架,利用在Azure量子元素云平台上的异步,松散合的工作流.
• 实施了"工作流的工作流"方法,以优化资源配置和儿童工作流的管理.
• 将PTM-Psi Python包重构成一个与云兼容的库,集成新兴的云计算资产.
• 利用云的异质架构,在一个蓝藻细菌蛋白大复合体上对醇PTM进行计算研究.

主要成果:

• 通过利用云服务的优势,成功地将醇PTM分析管道转化为高通量系统.
• 证明了该框架能够在一个关键蛋白质巨型复合体上处理醇PTMs的组合式爆炸.
• 优化资源配置和利用云架构进行高效的计算调查.
• 实现了运营复杂性的降低,并降低了数据解释和结构建模的进入障碍.

结论:

• 基于云的PTM-Psi框架大大加快了对PTM对蛋白质结构和相互作用的影响的研究.
• 这种方法增强了醇PTMs的高通量分析,使复杂的结构建模更容易被氧化还原蛋白质组学专家所理解.
• "工作流的工作流"策略有效地利用云异质架构来进行复杂的生物研究.