Neue Beiträge im Thread protein-protein docking at Rosetta@Home

[Gast09072017f]

Der Thread wurde 2006 gestartet letzter eintrag vor diesem neuen war 2009, ka ob man das alles nun posten soll

ich werd aber mit dem neuen beitrag hier anfangen

shilei - Message 72147 - Posted 15 Jan 2012 18:01:56 UTC

Hi Rosetta@home, my name is Lei Shi, a postdoc in Baker's lab. My work is protein-protein docking with sparse experimental data.

Many proteins carry their functions by interacting with other protein. Predicting protein interactions are thus important to understand their function. Computational prediction of protein complex structures using docking is an important approach toward this problem. The success and challenges of Rosetta docking have been highlighted by Chu's previous posts. Successful prediction of complex structures requires correctly capturing the protein-protein interactions at the interface and structures for each protein in their bounded form. This is still an unsolved problem due to the enormous number of degrees of freedom. Due to this reason, scientists are most of time solving the problems using tedious and costly experimental approaches, such as Xray or NMR etc.

In my project, I will work to incorporate sparse experimental data into Rosetta docking. These experimental data is usually easily available in the early stages of experiment. Although sparse and ambiguous in nature, these limited data is very powerful guiding computational modeling. Combined with Rosetta methodology, this approach has proven to be very successful in protein structure prediction as highlighted in the science paper from the Baker's group in 2010 (NMR Structure Determination for Larger Proteins Using Backbone-Only Data, link at: http://www.sciencemag.org/content/327/5968/1014.short).

My goal is to use similar information from experiments to improve the accuracy of protein complex structure using Rosetta dock. This will be useful to speed up the process of determine high-resolution complex structures with limited efforts in experiment investigation.

Many previous Baker lab members, including Prof. Jeffrey Gray and Dr. Chu Wang etc, have laid the ground work. As a relatively new member (08/2011) to the Baker's lab, I am very excited for this project.

Of course, the work will not be done with contributions and donations of your computational resources.

Thank you all for your participation.

Lei

Übersetzung: -susanne


Hallo Rosetta@home, ich heisse Lei Shi und bin ein Post-Doktorat im Baker Labor. Ich arbeite mit spärlichen experimentellen Daten am Protein-Protein-Docking. Viele Proteine führen ihre Funktionen beim Zusammenwirken mit anderen Proteinen aus. Protein Interaktionen vorhersagen zu können ist deshalb wichtig, wenn wir deren Funktion verstehen wollen. Die rechnerische Vorhersage von den komplexen Proteinstrukturen durch Docking ist eine wichtige Methode bei der Lösung dieses Problems. Der Erfolg und die Herausforderungen von Rosetta Docking sind bereits in Chus vorausgegangenen Posts hervorgehoben worden. Eine gelungene Voraussage von komplexen Strukturen setzt voraus, dass das Protein-Protein Zusammenwirken an der Schnittstelle und Struktur jedes Proteins, während in seiner begrenzten Form, erfasst wird. Dies ist immer noch ein ungelöstes Problem, bedingt durch den enorm gro?en Freiheitsgrad. Aus diesem Grund verbringen Wissenschaftler die meiste Zeit damit, diese Probleme durch mühsame und kostspielige Anwendungen wie Röntgendiagnostik oder NMR-Spektroskopie zu lösen.

In meinem Projekt werde ich spärliche experimentelle Daten in Rosetta Docking integrieren. Diese experimentellen Daten sind normalerweise in den frühen Stadien des Experiments leicht erhältlich. Obwohl von dürftiger und mehrdeutiger Natur, sind diese begrenzten Daten trotzdem beim Leiten des rechnerischen Modelns sehr wirksam. Mit Rosetta Methodik kombiniert, hat sich dieser Vorgang zur Proteinstrukturvorhersage als sehr erfolgreich erwiesen, wie in der wissenschaftlichen Arbeit von der Baker Gruppe in 2010 (NMR Strukturbestimmung der grö?eren Proteine mithilfe von Daten die sich nur auf das Rückgrat beziehen, Link bei: http://www.sciencemag.org/content/327/5968/1014.short).

Ich habe zum Ziel, ähnliche Informationen von Experimenten zu nutzen, um die Genauigkeit der komplexen Proteinstrukturen durch Rosetta Docking zu verbessern. Dies wird beim Beschleunigen des Prozesses von Nutzen sein, die Feindaten der komplexen Strukturen mit begrenztem Aufwand in der experimentellen Nachforschung zu bestimmen.

Viele ehemalige Baker Labor Beschäftigte, Prof. Jeffrey Gray und Dr Chu Wang usw einbegriffen, haben dazu bereits den Grundstein gelegt. Ich bin erst seit kurzer Zeit Mitglied im Baker Labor (08/2011) und begeister mich sehr für dieses Projekt.

Natürlich könnte die Arbeit ohne Eure Beteiligung und Spenden der rechnerischen Mitteln nicht stattfinden.

Danke an Euch alle für Euer Mitwirken.

Lei

 

[Gast09072017f]

lang ist es her das was geschah doch heute hab ich was neues in dem thread entdeckt gepostet von

shilei - Message 75692 - Posted 3 Jun 2013 18:13:20 UTC

Dear Rosetta@home contributors,

Here is an update on using sparse data to model protein-protein complexes. The ability to predict protein complexes structures has direct impact on computationally designing protein binders. There are several exciting disease-related protein design projects in the Rosetta community. Improvement in the computational methods can increase protein design quality and speed up the design cycle.

Modeling protein complexe structure is equivalent to model two monomeric protein modeling protein and their docking to each other. Considering the challenges in modeling monomer protein structures (CASP), it is not surprising that this is a very difficult problem. In the past year, we have developed a new method to tackle this problem by using sparse experimental data and evolutionary information. Both approaches have been successfully applied to monomeric protein modeling (http://www.sciencemag.org/content/327/5968/1014.short and CASP10). We are combining this to model protein complexes.

Inherent to this problem, we need large amount of computational resources to sample protein-complex conformational spaces. The resources from Rosetta@Home are invaluable and efficient for us to develop, test and apply our methods.

I sincerely appreciate your donation of computer resources to power Rosetta@Home. I hope to update you soon when these results get published.

Best,
Lei

übersetzung: Susanne
An alle Rosetta@home Mitwirkende,

Hier zunächst ein Update über das Modellieren der Protein-Proteinkomplexe mithilfe von spärlichen Daten. Die Fähigkeit, Strukturen von Proteinkomplexen vorherzusagen, hat direkte Auswirkung auf das rechnerische Design von Proteinbindern. Es gibt davon einige aufregende Proteindesignprojekte in der Rosetta Community betr. Krankheitsbekämpfung. Verbesserungen der rechnerischen Methoden kann die Proteindesignqualität erhöhen und den Designzyklus beschleunigen.

Das Modellieren der Proteinkomplexstrukturen kann verglichen werden mit dem Modellieren von 2 Monomer-Proteinen und ihr gemeines Andocken. Wenn man die Herausforderungen des Modellieren von Monomer Proteinstrukturen (CASP) bedenkt, ist es nicht verwunderlich, um was für ein sehr schwieriges Problem es sich hier handelt. Im letzten Jahr haben wir eine neue Methode entworfen dieses Problem zu bewältigen, indem wir spärliche Experimentendaten und Evolutionsinformationen benutzen. Beide Methoden sind erfolgreich beim Monomerproteinmodellieren angewandt worden (http://www.sciencemag.org/content/327/5968/1014.short and CASP10). Wir vereinen dies um Proteinkomplexe zu modellieren.

Ein Bestandteil dieses Problems ist die gro?e Menge von Rechenkapazität, die wir brauchen, um den Konformationsraum der Proteinkomplexe zu erproben. Die Hilfsmittel durch Rosetta@Home sind unschätzbar und effizient, was uns erlaubt, unsere Methoden zu entwickeln, zu testen und anzuwenden.

Ich bin aufrichtig dankbar, dass ihr eure Computerressourcen spendet um Rosetta@Home zu unterstützen. Ich hoffe euch bald mehr Neuigkeiten mitteilen zu können, sobald die Ergebnisse veröffentlicht sind.
Viele Grü?e,
Lei