База данных структур белков AlphaFold

Описание

AlphaFold — это продвинутая система ИИ, созданная Google DeepMind, предназначенная для предсказания трехмерной структуры белков на основе их аминокислотных последовательностей. Эта революционная технология была разработана в сотрудничестве с Европейским институтом биоинформатики EMBL (EMBL-EBI) для создания базы данных структур белков AlphaFold. База данных содержит более 200 миллионов записей, предлагая обширное покрытие UniProt, стандартного репозитория для последовательностей белков и аннотаций.

База данных структур белков AlphaFold является ценным ресурсом для научного сообщества, предоставляя высокоточные предсказания, которые конкурентоспособны с экспериментальными результатами. База данных включает индивидуальные загрузки для человеческого протеома и 47 других ключевых организмов, что имеет решающее значение для исследований и глобального здоровья. Кроме того, она предлагает загрузку вручную курируемого подмножества UniProt, известного как Swiss-Prot.

AlphaFold получил признание как метод предсказания структуры белков с самым высоким рейтингом на CASP14, продемонстрировав свой потенциал для продвижения биологических исследований, улучшая наше понимание структур белков. Несмотря на некоторые ограничения, точность и надежность системы делают ее мощным инструментом для исследователей.

База данных постоянно обновляется новыми структурами белков, а ее функции и функциональность улучшаются на основе отзывов пользователей. Исследователи также могут генерировать свои собственные предсказания AlphaFold, используя открытый исходный код, который поддерживает предсказание мультимеров.

Данные в базе данных структур белков AlphaFold доступны для академического и коммерческого использования по лицензии CC-BY-4.0, с ожидаемой надлежащей атрибуцией. База данных способствует функциональным и механистическим открытиям в биологии, способствуя достижениям в понимании белковых комплексов и их ролей в различных биологических процессах.

Основные функции База данных структур белков AlphaFold

• Предсказывает 3D-структуры белков

• Более 200 миллионов записей

• Высокоточные предсказания

• Покрытие UniProt

• Протеомы человека и ключевых организмов

• Открытый исходный код предсказания

• Поддерживает предсказание мультимеров

• Лицензия CC-BY-4.0 для использования данных

Как использовать База данных структур белков AlphaFold?

1. 1

   Взаимодействие: Посетите профиль

2. 2

   Взаимодействие: Подписаться

3. 3

   Взаимодействие: Включить уведомления

4. 4

   Взаимодействие: Читайте посты

5. 5

   Взаимодействие: Участвуйте

Варианты использования База данных структур белков AlphaFold

• Исследование белков
• Открытие лекарств
• Генетические исследования
• Биологические исследования
• Образовательные цели

Часто задаваемые вопросы База данных структур белков AlphaFold

• Как работает AlphaFold?

  AlphaFold предсказывает 3D-структуры белков с помощью ИИ, методы описаны в статье DeepMind 2021 года.

• Кто может отправлять наборы данных в AlphaFold?

  Допустимые наборы данных, использующие AlphaFold 2 или мультимер, могут быть отправлены с научным обоснованием.

• Что делать, если я не могу найти интересующий меня белок?

  Попробуйте поискать по названию белка или гена, или сгенерируйте предсказания, используя открытый исходный код.

• Как я могу скачать и использовать файл Predicted Aligned Error (PAE)?

  Файлы PAE можно скачать в формате JSON и проанализировать с помощью Python или других языков программирования.

• Кому я должен обратиться с вопросами о AlphaFold?

  Свяжитесь с [email protected] для общих вопросов или [email protected] для вопросов, касающихся базы данных.

• Какова лицензия на данные AlphaFold?

  Данные доступны по лицензии CC-BY-4.0, требующей надлежащей атрибуции.

• Каково покрытие базы данных AlphaFold?

  База данных охватывает более 200 миллионов записей белков, включая человеческий протеом и ключевых организмов.

• Каковы ограничения AlphaFold?

  Хотя AlphaFold обладает высокой точностью, у него есть некоторые ограничения, и он постоянно улучшается на основе отзывов.