Методическая статья

Применение I TASSER, trRosetta, UCSF Chimera, HADDOCK server и HEX loria для De Novo и in silico дизайна белков

DOI:

10.3791/68003

⸱

8 июля 2025 г.

 , 
1Facultad de Ciencias Naturales, Doctorado en Ciencias Biológicas, Campus Aeropuerto. Laboratorio de Biología Cuantitativa y Sistemas Complejos, Universidad Autónoma de Querétaro

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Дизайн белков включает в себя построение аминокислотных последовательностей и включение определенных мотивов для создания функциональных вариантов. Такой подход имеет решающее значение для разработки антимикробных пептидов (АМП) для борьбы с устойчивыми к антибиотикам патогенами. В данной работе представлена процедура построения белка с использованием различных инструментов биоинформатики.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Границы дизайна белков лежат в построении аминокислотных последовательностей и включении специфических мотивов, таких как сайты связывания, в рецепторы, ионные каналы или другие белки. Такой подход позволяет производить варианты белка с определенными функциями и целями. Примером применения этих биоинформационных ресурсов является усовершенствование антимикробных пептидов (АМП) или разработка синтетических АМП. Это событие имеет большое значение в связи с недавним ростом новых заболеваний, часто вызванных патогенами, которые трудно искоренить и которые проявляют устойчивость к антибиотикам. Последствия этой тенденции включают глобальное вымирание видов животных и гибель людей. Поэтому крайне важен быстрый синтез новых и эффективных AMP. Эти серверы и программы могут способствовать быстрой разработке вакцин, АМП или эффективных методов лечения против этих патогенов. Цель данной работы состояла в том, чтобы представить и предложить процедуру построения белка из последовательностей и прояснить процесс использования различных инструментов для построения этих молекул шаг за шагом.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Заболеваемость животных растет, и на это явление влияет изменение климата. Повышение глобальной температуры привело к размножению микроорганизмов и появлению условно-патогенных микроорганизмов, способствуя развитию вирулентных и устойчивых к лекарствам болезней1. Изменение климата влияет на почву, воду, кожу и микробиом кишечника, что приводит к постоянному стрессу для физиологии животных и адаптации к окружающей среде. Было продемонстрировано, что это явление ставит под угрозу иммунные реакции, делая животных более восприимчивыми к новым патогенам, что может иметь смертельные последствия и потенциально привести к вымиранию некоторых видов 2,3,4,5. Ярким примером является синдром белого носа (WNS), заболевание, вызываемое грибком Pseudogymnoascus destructans, поражающим летучих мышей, находящихся в спячке. Эта и другие болезни не были выявлены до тех пор, пока в 2006 году на американском континенте не произошло значительное числосмертей6. Чтобы смягчить ущерб, причиняемый такими патогенами, исследователи обратились к введению антимикотиков, таких как итраконазол и кетоконазол, и пробиотиков, включая инокуляцию полезной микробиоты Pseudomonas fluorescens7. Другим примером заболевания, вызванного грибком, является Ophidiomyces ophiodiicola, грибок, вызывающий дерматит и мультисистемные заболевания как у неволных, так и у диких змей 4,8.

Эти исследования подчеркивают необходимость повышения осведомленности и понимания грибковых заболеваний у диких животных для скорейшей реализации практических решений. Сообщалось о грибковых инфекциях у амфибий, и одним из распространенных патогенов, поражающих этих животных, является водный грибок Batrachochytrium dendrobatidis (Bd), который вызывает хитридиомикоз. Это заболевание вызывает серьезные поражения кожи и нарушает нормальную функцию кожи у восприимчивых животных, что потенциально может привести к смертности9. Этот патоген был широко распространен с 20-го века, способствуя исчезновению 90 видов амфибий. Распространенность этих инфекций представляет собой существенную проблему для их профилактики и определения эффективных методов лечения, поскольку они требуют учета различных экологических, физиологических, микробиомных и других факторов10.

Хорошо задокументировано, что патогенные микроорганизмы обладают способностью быстро развивать механизмы резистентности посредством генетического кодирования, процесс, который может быть проиллюстрирован производством насосов внешнего оттока для лекарств иантибиотиков. Кроме того, было замечено, что эти микроорганизмы модифицируют липидный состав мембраны с целью противодействия эффектам специфических молекул12. Область белковых последовательностей вызвала значительный интерес, особенно в контексте ее интеграции в подходы к лечению и построению моделей структуры белка. Эти модели разработаны для оптимизации лабораторного времени и ресурсов до начала синтезабелка. Профилактика инфекций в этих случаях является сложной задачей, включающей множество экологических, физиологических и микробиомных факторов14. Такой подход способствует более эффективному управлению временем и ресурсами в лаборатории и подчеркивает сложность поставленной задачи.

В интересах повышения потенциала практического применения существующих соединений, а также создания новых соединений с более значительным потенциалом для такого применения, крайне важно использовать опыт из различных дисциплин, включая химию, молекулярную биологию, физику и программирование. Для этого доступно несколько инструментов, в том числе I-TASSER (Iterative Threading ASSembly Refinement)15,16 и trRosetta 17,18 (Предсказание структуры белка с помощью TRansform-сдержанной Rosetta). предсказание структурных белков и UCSF Chimera (система визуализации для поисковых исследований и анализа от Калифорнийского университета в Сан-Франциско)19 и HEX loria (интерактивная программа докинга белка и молекулярной суперпозиции)20 для молекулярного докинга и редактирования файлов PDB.

Ай-ТАССЕР — это автоматизированный онлайн-сервер, который прогнозирует структуру и функции. Эта программа доступна через веб-браузер или в виде загрузки. На странице отправки пользователи могут ввести последовательность в формате FASTA или скачать архив в формате .txt. Серверный процесс включает в себя идентификацию структурных шаблонов с определенной степенью гомологии, как описано в разделе Локальный мета-поточный сервер LOMETS 20,21,22,23,24,25. После обработки сервером миллиона потенциальных результатов инициируется процесс фильтрации, и фрагменты выбираются на основе среднеквадратичного отклонения корня (RMSD), TM (метрика, используемая для оценки структурного сходства между двумя моделями) и C-score (метрика, используемая для оценки достоверности структурных моделей белков, сгенерированных инструментами). Пользователи могут настраивать результаты на основе заранее заданных параметров, предоставленных в программе, или вводить свои собственные значения в зависимости от их конкретной последовательности или структурных ожиданий 20,21,22,23,24,25.

trRosetta – это высокоэффективная программа для прогнозирования структуры белка. На этом сервере пользователи могут отправлять последовательности в формате архива, TXT, FASTA, входной последовательности или последовательности множественного выравнивания (MSA). Эта программа позволяет пользователям выбирать между шаблонами или выполнять trRosetta-single для свертывания последовательностей. Эти серверы используют сеть глубокого обучения для создания структурных прогнозов. Процесс прогнозирования последовательности включает в себя начальный этап прогнозирования карты контактов и расстояний, за которым следует выбор пяти основных шаблонов для окончательной модели и шаг по минимизации энергии на сворачивание иуточнение.

Сервер High Ambiguity Protein-Protein Docking (HADDOCK) — это вычислительный инструмент, который обеспечивает гибкую стыковку двух или более PDB-файлов, охватывающих структуры белка, пептида, лиганда и рецептора. Этот сервер использует подход, который включает в себя AIR (Ambiguous Interaction Restraints), которые кодируют информацию от предсказанных или идентифицированных белков в процессе стыковки. АИР включают в себя аминокислотные ограничения, классифицируя их как пассивные или активные аминокислоты. Включение активных аминокислот имеет особое значение, так как они указывают на потенциальные сайты связывания или взаимодействия между белковыми рецепторами. В конструкцию программы включено воздействие растворителя на модель26.

HEX Loria — это интерактивный онлайн-сервер, облегчающий анализ белковых комплексов и молекулярный докинг. Этот сервер может считывать архивы координат в формате Protein Data Bank (PDB) и быстро генерировать расчеты стыковки с помощью графических мишеней NVIDIA или CUDA. Программа может производить до 1000 предсказаний стыковки и использует корреляцию Фурье для общей ориентации двух молекул27. Интерфейс HEX Loria разработан таким образом, чтобы быть удобным для пользователя, что позволяет исследователям легко загружать свои белковые структуры и настраивать параметры для моделирования стыковки. Было показано, что способность сервера использовать графические процессоры NVIDIA или CUDA приводит к значительному ускорению времени вычислений, что позволяет исследователям получать результаты с большей оперативностью. Кроме того, HEX Loria предлагает ряд вариантов визуализации результатов стыковки, что позволяет пользователям проводить подробный анализ прогнозируемых белковых взаимодействий.

Использование UCSF Chimera является обязательным условием для обеспечения точности результатов исследований. Это программное обеспечение требует установки для выполнения настоящего протокола, и будут использоваться следующие функциональные возможности: измерение межатомных расстояний и различные другие аналитические задачи. Программное обеспечение может похвастаться такими функциями, как маркировка, раскрашивание, рендеринг поверхностей и экспорт фигур в форматах JPG или PNG. Включение меток и цветов облегчает идентификацию аминокислот с высокой вероятностью контакта между рецептором и разработанным антимикробным белком. Кроме того, он позволяет точно измерять расстояние между этими аминокислотами.

Этот протокол направлен на выявление альтернативных вариантов лечения возникающей проблемы со здоровьем, поражающей амфибий. Хитридиомикоз, грибковая инфекция кожи, наблюдается на различных стадиях развития амфибий. Основным источником инфекции среди этих животных являются водоемы, где они обычно обитают и занимаются различными видами деятельности. Разработка эффективного противогрибкового средства требует идентификации как минимум трех молекулярных мишеней: взаимодействие с клеточной стенкой с помощью зарядов, связывание с плазматической мембраной и, наконец, связывание и взаимодействие с рецепторным белком на мембранном уровне, который играет жизненно важную роль в грибке Bd.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Идентификация молекулярных последовательностей-мишеней в Bd

ПРИМЕЧАНИЕ: Подбор аминокислот в последовательности основан на рекомендациях из литературы. Ключевые аминокислоты включают K, W, G, A, V, I и L. Чтобы узнать, какие программы использовать, ознакомьтесь с Таблицей материалов.

  1. Получение целевых последовательностей из базы данных NCBI.
    1. Получите доступ к базе данных Национального центра биотехнологической информации (NCBI) по адресу https://www.ncbi.nlm.nih.gov/.
    2. Выберите «Все базы данных» и выберите «Нуклеотид» в качестве категории поиска.
    3. Введите Batrachochytrium dendrobatidis в строку поиска и отфильтруйте результаты по сортам и видам.
    4. Скачайте и сохраните последовательность в текстовом редакторе или формате FASTA для дальнейшего анализа.

2. Проанализируйте последовательность с помощью BLAST или SMART BLAST

  1. Выполните поиск BLAST.
    1. Откройте веб-браузер и перейдите в раздел BLAST (Basic Local Alignment Search Tool).
    2. Выберите Protein BLAST для сравнения последовательности запроса с базами данных белков https://blast.ncbi.nlm.nih.gov/Blast.cgi.
  2. Проверьте специфичность цели.
    1. Убедитесь, что выбранная молекулярная мишень не присутствует у других видов. Если мишень встречается у нескольких видов, повторяйте выбор последовательности до тех пор, пока не подтвердится специфичность (см. рисунок 1).
      ПРИМЕЧАНИЕ: Этот шаг гарантирует, что никакие нежелательные вторичные молекулярные мишени не будут мешать функционированию АМФ или противогрибкового белка
  3. Проверьте гомологию в белковых последовательностях.
    1. Убедитесь, что разработанная аминокислотная последовательность не соответствует гомологичным белкам других видов.
      ПРИМЕЧАНИЕ: Этот шаг подтверждает, что противогрибковая функция специфична для предполагаемых мишеней

3. Разработайте последовательность антимикробных белков

Примечание: Содержание аминокислот и их последовательность должны быть адаптированы к желаемой функции белка, в частности, к противогрибковой активности. Разработанная последовательность должна кодировать белок с антимикотическим действием против Bd. Проверьте это на сервере прогнозов Antifp28.

  1. Обзор литературы и разработка последовательностей
    1. Провести всесторонний обзор новейшей литературы для определения ключевых характеристик Bd и потенциальных антимикробных механизмов.
      Примечание: В предыдущих исследованиях описываются антимикробные пептиды (АМП) против Bd, синтезируемые различными животными и микроорганизмами. Формула29Шая обеспечивает основу для разработки синтетических противогрибковых пептидов. Этот метод следует использовать для оптимизации белковых последовательностей для достижения максимальной противогрибковой активности.

4. Прогнозирование 3D-структуры с помощью I-TASSER

ПРИМЕЧАНИЕ: Этот протокол применяется к молекулярной мишени и спроектированной антимикробной последовательности.

  1. Чтобы получить доступ к последовательностям и отправить их, посетите сервер I-TASSER для прогнозирования структуры и функций белка https://zhanggroup.org/I-TASSER/.
  2. Зарегистрируйтесь с помощью электронной почты учреждения, чтобы получить имя пользователя и пароль для доступа к инструменту.
  3. Отправьте молекулярную мишень или разработанную последовательность в формате FASTA, .txt файл или скопируйте и вставьте непосредственно в поле ввода.
  4. Назначьте последовательности уникальное имя.
  5. Нажмите кнопку Отправить, и программа проанализирует последовательность, предоставив приблизительное время обработки.
    ПРИМЕЧАНИЕ: Приостановите работу протокола до получения результатов. Время обработки обычно составляет от 24 до 72 часов для мелких белков (≤50 аминокислот) и может занять больше времени для более крупных белков (до 3000 аминокислот).
    Рекомендации по выбору инструмента: Используйте I-TASSER для небольших белков, таких как разработанные антимикробные пептиды. Для крупных белков используйте trRosetta, которая оптимизирована для сложного структурного моделирования.

5. Прогнозирование 3D-структуры с помощью trRosetta

  1. Посетите веб-сервер trRosetta: https://yanglab.qd.sdu.edu.cn/trRosetta/.
  2. Введите последовательность целевого рецептора в формате FASTA, .txt или MSA или вставьте ее непосредственно на сервер.
  3. Присвойте имя структурно предсказанному белку.
  4. Нажмите кнопку Отправить, убедившись, что выбрана опция исключения шаблонов. Выберите одиночные гомологи trRosettaX для запуска процесса прогнозирования.
    ПРИМЕЧАНИЕ: Приостановите работу протокола до получения результатов.
  5. Дождитесь электронного письма с подтверждением после успешной отправки.
  6. Анализируйте результаты прогноза.
    1. Убедитесь, что оценка TM является мерой качества модели.
    2. Изучите карты контактов, карты расстояний для каждой аминокислоты и карты вращения альфа- и бета-углерода под углами ω (омега), θ (тета) и φ (фи).
  7. Загрузите результаты в формате ZIP для дальнейшего анализа.

6. Молекулярный докинг и анализ взаимодействия (с использованием HADDOCK)

  1. Доступ к док-серверу HADDOCK: https://wenmr.science.uu.nl/haddock2.4/.
  2. Зарегистрируйте учетную запись с помощью электронной почты учреждения, подтвердите учетную запись и войдите в систему.
  3. Вернитесь на главную страницу, выберите Новая работа и начните отправку.
  4. На странице отправки HADDOCK заполните необходимую информацию: название задания, номер молекулы (в данном случае 2). Выберите все.
  5. Закачать Молекулы для стыковки. Загрузите PDB-структуры для рецептора и лиганда. Выберите докинг белок-лиганд для обоих.
  6. Повторите шаги по отправке лиганда, выберите все цепи и оставьте остальные настройки по умолчанию.
  7. Нажмите кнопку Далее для последующего шага отправки.
    ПРИМЕЧАНИЕ: В разделах 1 и 2 добавьте список аминокислот, участвующих во взаимодействиях рецептор-лиганд, и пометьте их как активные остатки. Пассивные остатки остаются предопределенными. Активные центры являются сайтами взаимодействия и должны быть выбраны в соответствии с характеристиками спроектированного белка и аминокислотами, подверженными воздействию рецепторного белка.
  8. Завершите и запустите процесс стыковки.
    1. Нажмите кнопку Далее, чтобы сохранить параметры закрепления по умолчанию без изменений.
    2. Нажмите кнопку Отправить, чтобы начать обработку.
      ПРИМЕЧАНИЕ: Ожидаемое время обработки составляет от 24 до 72 часов.
  9. Просмотрите результаты стыковки.
    1. Сервер автоматически выбирает и ранжирует лучшие результаты стыковки. Анализируйте взаимодействия аминокислот с помощью программного обеспечения для структурной визуализации (например, PyMOL или UCSF Chimera).
  10. Загрузите окончательные состыкованные конструкции в формате PDB для дальнейшего изучения.
    ПРИМЕЧАНИЕ: Обратитесь к Дополнительному файлу 1: Дополнительный рисунок S1, Дополнительный рисунок S2, Дополнительный рисунок S3, Дополнительный рисунок S4 и Дополнительный рисунок S5.

7. Измерьте расстояния (НЕОБЯЗАТЕЛЬНО) [см. Дополнительный файл 1: Дополнительный рисунок S6, Дополнительный рисунок S7 и Дополнительный рисунок S8.]

  1. Анализируйте результаты стыковки с помощью программы визуализации структуры (PDB). Откройте PDB-файл молекулярного докинга в UCSF Chimera и оцените структурную близость и потенциальные сайты связывания (измеренные расстояния).
  2. Дважды щелкните значок Chimera, чтобы открыть PDB. Выберите «Файл», «Открыть» и выберите файл в окне каталога документов.
  3. Идентифицируйте атомы. Перейдите в раздел «Действия», «Атомы/связи» и выберите «Показать».
  4. Выберите атомы, ближайшие к лиганду и рецептору. Выберите атом 1 с помощью Ctrl+ЛКМ и атом 2 с помощью CTRL+SHIFT+ЛКМ.
  5. Перейдите в раздел Инструменты, Анализ конструкций и выберите расстояния.
  6. Нажмите кнопку Создать (проверьте выбор атомов). В окне отображаются аминокислоты и расположение атомов 1 и 2.
    ПРИМЕЧАНИЕ: В столбце расстояний указаны углы между атомами.
  7. Скачайте таблицу и сохраните ее на локальном компьютере.
    ПРИМЕЧАНИЕ: Дополнительную информацию см. в Дополнительном файле 1 .

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

В разрабатываемой последовательности используется следующая формула: K(X)3KW(X)2K(X)2K, где (X) может быть G, A, V, I или L28. Полученные результаты поиска включали белковые последовательности более 300 аминокислот, которые были выбраны из-за их статуса полных белковых последовательностей, в отличие от частичных последовательностей. Следует отметить, что для исследования необходимы полные последовательности. Функции каждого рецепторного/мембранного канала также иск...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Биоинформатический подход, используемый для прогнозирования структуры белка, имеет присущие ему ограничения из-за его зависимости от вычислительных программ. Эти программы пытаются приблизиться к реальным белковым структурам, но ограничены такими факторами, как температура, растворимость и присутствие растворителя, которые могут не полностью воспроизводиться в естественных условиях. Кроме того, этот метод основан на точной идентификации ключевых консервативных белков с помощью множествен...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

У авторов нет конфликта интересов, который можно было бы раскрыть.

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Химена Р. Вильярреал является докторантом программы Doctorado en Ciencias Biológicas Автономного университета Керетаро (UAQ) и получила стипендию Consejo Nacional de Humanidades, Ciencias y Tecnologías (CONAHCyT) (1003112).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
BLASTN/A N/AОнлайн-сервер
КомпьютерAMDN/ASO: XP, W7, W8, W10, ubuntu, linux
СЕРВЕР ПИКШИBONVINLABN/AОнлайн-сервер
HEX 5.2BBSRC-INRIAN/ADownload-Online сервер
I-TASSERZHANG LABN/ADownload-Online server
MUSCLEN/AН/ДОнлайн сервер
NCBIН/Д/ДОнлайн сервер
PYMOLSCHRÖ DINGERN/ADownload-XP, W7, W8, W10, W11, LINUX
SWISS-MODELBIOZENTRUMN/AОнлайн-сервер
trRosetta ServerYANG LABN/AОнлайн-сервер
USCF CHIMERARBVIN/ADownload-XP, W7, W8, W10, W11, LINUX
Н

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. McArthur, D. B. Emerging infectious diseases. Nurs Clin North Am. 54 (2), 297-311 (2019).
  2. Schilliger, L., Paillusseau, C., Francois, C., Bonwitt, J. Major emerging fungal diseases of reptiles and amphibians. Pathogens. 12 (3), 429(2023).
  3. Campbell, L. J., Garner, T. W. J., Hopkins, K., Griffiths, A. G. F., Harrison, X. A. Outbreaks of an emerging viral disease covary with differences in the composition of the skin microbiome of a wild United Kingdom amphibian. Front Microbiol. 10, 1245(2019).
  4. Lorch, J. M., et al. Snake fungal disease: An emerging threat to wild snakes. Philos Trans Royal Soc Lond BBiol Sci. 371 (1709), 20150457(2016).
  5. Costa, S., Lopes, I. Saprolegniosis in amphibians: An integrated overview of a fluffy killer disease. Jo F BaselSwitz. 8 (5), 537(2022).
  6. Lemieux-Labonté, V., Dorville, N. A. S. -Y., Willis, C. K. R., Lapointe, F. -J. Antifungal potential of the skin microbiota of hibernating big brown bats (Eptesicusfuscus) infected with the causal agent of White-Nose Syndrome. Front Microbiol. 11, 1776(2020).
  7. Hoyt, J. R., et al. Field trial of a probiotic bacteria to protect bats from White-Nose Syndrome. Sci Rep. 9 (1), 9158(2019).
  8. Origgi, F. C., et al. Ophiodimyces ophiodiicola, etiologic agent of snake fungal disease, in Europe since late 1950s. Emerg Infect Dis. 28 (10), 2064-2068 (2022).
  9. Van Rooijk, P., Martel, A., Haesebrouck, F., Pasmans, F. Amphibian chytridiomycosis: a review with a focus on fungus host interactions. Vet Res. 46, 137(2015).
  10. Fisher, M. C., Garner, T. W. J., Walker, S. F. Global emergence of Batrachochytrium dendrobatidis and amphibian Chytridiomycosis in space, time, and host. Ann Rev Microbiol. 63 (1), 291-310 (2009).
  11. Hancock, R., Brinkman, F. S. L. Function of Pseudomonas porins in uptake and efflux. Ann Rev Microbiol. 56 (1), 17-38 (2002).
  12. Carfrae, L., et al. Inhibiting fatty acid synthesis overcomes colistin resistance. Nat Microbiol. 8 (6), 1026-1038 (2023).
  13. Robson, B. Denovo protein folding on computers. Benefits and challenges. Comp Biol Med. 143, 105292(2022).
  14. Munita, J. M., Arias, C. A. Mechanisms of antibiotic resistance. Microbiol Spect. 4 (2), (2016).
  15. Zheng, W., et al. Folding non-homologous proteins by coupling deep-learning contact maps with I-TASSER assembly simulations. Cell Rep Met. 1 (3), 100014(2021).
  16. Yang, J., Zhang, Y. I-TASSER server: New development for protein structure and function predictions. Nuc Acid Res. 43 (W1), W174-W181 (2015).
  17. Du, Z., et al. The trRosetta server for fast and accurate protein structure prediction. Nat Prot. 16 (12), 5634-5651 (2021).
  18. Wang, W., Peng, Z., Yang, J. Single-sequence protein structure prediction using supervised transformer protein language models. Nat Comp Sci. 2 (12), 804-814 (2022).
  19. Pettersen, E., et al. UCSF Chimera-A visualization system for exploratory research and analysis. J Comp Chem. 25 (13), 1605-1612 (2004).
  20. Ghoorah, A. W., Devignes, M. -D., Smail-Tabbone, M., Ritchie, D. W. Protein docking using case-based reasoning. Proteins: Struct Funct Bioinf. 81 (12), 2150-2158 (2013).
  21. Battey, J., et al. Automated server predictions in CASP7. Proteins: Struct Funct Bioinf. 69 (S8), 68-82 (2007).
  22. Kryshtafovych, A., et al. Evaluation of the template-based modeling in CASP12. Proteins: Struct Funct Bioinf. 86 (S1), 321-334 (2018).
  23. Anishchenko, I., et al. Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14. Proteins: Struct Funct Bioinf. 89 (12), 1722-1733 (2021).
  24. Kinch, L. N., Schaeffer, R. D., Kryshtafovych, A., Grishin, N. V. Target classification in the 14th round of the critical assessment of protein structure prediction (CASP14). Proteins: Struct Funct Bioinf. 89 (12), 1618-1632 (2021).
  25. Honorato, R. V., et al. Structural biology in the clouds: The WeNMR-EOSC ecosystem. FrontMolBiosci. 8, 729513(2021).
  26. Van Zundert,, et al. The HADDOCK2.2 Web Server: User-friendly integrative modeling of biomolecular complexes. JMolBiol. 428 (4), 720-725 (2016).
  27. Macindoe, G., Mavridis, L., Venkatraman, V., Devignes, M. -D., Ritchie, D. W. HexServer: An FFT-based protein docking server powered by graphics processors. Nucl Acid Res. 28 (Web Server), W445-W449 (2010).
  28. Agrawal, P., et al. In silico approach for prediction of antifungal peptides. Front Microbiol. 9, 323(2018).
  29. Shai, Y. Mode of action of membrane active antimicrobial peptides. Biopolymers. 66 (4), 236-248 (2002).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

in silicoI TASSERtrRosettaHADDOCK

Похожие статьи