논문 (학술지)
De novo protein structure prediction using ultra-fast molecular dynamics simulation
| 등록번호 | RPMS-2019-0190765500 | SCI 구분
?
※구분 : SCI(SCIE포함), 비SCI |
SCI |
|---|---|---|---|
| 저자명 (주·공동저자) | Cheung Ngaam J.; Yu Wookyung; Zhang Yang | ||
| 논문구분 | 국외전문학술지 | 학술지명 | PLOS ONE |
| ISSN | 1932-6203 | 학술지 출판일자 | 2018-11-20 |
| 학술지 볼륨번호 | 13 | 논문페이지 | e0205819 ~ - |
| 학술지 임팩트팩터 | 0.0 | 기여율 | 100 % |
| DOI | 10.1371/journal.pone.0205819 | ||
| 초록 | Modern genomics sequencing techniques have provided a massive amount of protein sequences, but experimental endeavor in determining protein structures is largely lagging far behind the vast and unexplored sequences. Apparently, computational biology is playing a more important role in protein structure prediction than ever. Here, we present a system of de novo predictor, termed NiDelta, building on a deep convolutional neural network and statistical potential enabling molecular dynamics simulation for modeling protein tertiary structure. Combining with evolutionary-based residue-contacts, the presented predictor can predict the tertiary structures of a number of target proteins with remarkable accuracy. The proposed approach is demonstrated by calculations on a set of eighteen large proteins from different fold classes. The results show that the ultra-fast molecular dynamics simulation could dramatically reduce the gap between the sequence and its structure at atom level, and it could also present high efficiency in protein structure determination if sparse experimental data is available. | ||
연구개발성과 등록 또는 활용에 대한 문의는 논문 연구개발성과 담당자를 통해 문의하시기 바랍니다.
[문의] 한국과학기술정보연구원 Tel : 042)716-7066, https://curation.kisti.re.kr/
- NTIS 관련 이용문의는 NTIS 콜센터(042-869-1115)로 문의하시기 바랍니다.
NTIS의 논문 정보는 국가연구개발사업 수행을 통해 발생된 성과로, 조사분석 등을 통해 입력된 정보를 수집 및 제공하고 있어, 출판사 또는 논문 정보 제공 사이트(Scienceon, RISS 등)에서 일괄 제공하는 논문 정보와 차이가 있을 수 있습니다.