Вероятностная оценка влияния состава пентапептида на его устойчивость

Обложка

Цитировать

Полный текст

Аннотация

Изучается влияние расположения аминокислотных остатков в пентапептиде на его устойчивость. Cтроится прогноз устойчивости пентапептида с помощью метода градиентного бустинга, позволяющего оценить влияние каждого признака на стабильность пентапептида. Выявлены комбинации расположения аминокислот в пентапептиде, вносящие существенный вклад в его стабильность. Показано, что использование таких комбинаций позволяет сократить количество данных, необходимых для получения достоверного прогноза стабильности пентапептида.

Об авторах

А. И Михальский

Институт проблем управления им. В.А. Трапезникова РАН

Email: ipuran@yandex.ru
Москва

Ж. А. Новосельцева

Институт проблем управления им. В.А. Трапезникова РАН

Email: novoselc.janna@yandex.ru
Москва

А. А Анашкина

Институт молекулярной биологии им. В.А. Энгельгардта РАН

Email: a_anastasya@inbox.ru
Москва

А. Н. Некрасов

Институт биоорганической химии им. академиков М.М. Шемякина и Ю.А. Овчинникова РАН

Автор, ответственный за переписку.
Email: a_nnekrasov@mail.ru
Москва

Список литературы

  1. Senior A.W., Evans R., Jumper J. et al. Improved protein structure prediction using potentials from deep learning // Nature. 2020. V. 577. P. 706-710.
  2. Pereira J., Simpkin A.J., Hartmann M.D. et al. High accuracy protein structure prediction in CASP14 // Proteins Structure Function and Bioinformatics. 2021. V. 89. No. 12. P. 1687-1699. https://doi.org/10.1002/prot.26171
  3. Nekrasov A.N., Kozmin Yu.P., Kozyrev S.V. et al. Hierarchical structure of protein sequence // Int. J. Mol. Sci. 2021. V. 22. No. 15. 8339. https://doi.org/10.3390/ijms22158339
  4. Anashkina A.A., Nekrasov A.N., Alekseeva L.G. et al. A minimum set of stable blocks for rational design of polypeptide chains // Biochimie. 2019. V. 160. P. 88-92.
  5. Ke G., Meng Q., Finley T., Wang T. et al. A Highly Efficient Gradient Boosting Decision Tree // Proc. 31st Conference on Neural Information Processing Systems (NIPS). Long Beach. 2017. P. 3149-3157.
  6. Bergstra J., Yamins D., Cox D.D. Making a Science of Model Search: Hyperparameter Optimization in Hundreds of Dimensions for Vision Architectures // Proc. of the 30th International Conference on Machine Learning (ICML). 2013. P. 115-123.
  7. Lundberg S.M., Lee S.I. A unified approach to interpreting model predictions // Proc. 31st Conference on Neural Information Processing Systems (NIPS). Long Beach. 2017. P. 4765-4774.
  8. Mikhalskii A.I., Petrov I.V., Tsurko V.V., Anashkina A.A. et al. Application of mutual information estimation for prediction the structural stability of pentapeptides // Rus. J. Numer. Anal. Math. Model. 2020. V. 35. No. 5. P. 263-271.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».