Klasifikátor vazebných kapes v proteinech založený na strojovém učení

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F24%3A00138661" target="_blank" >RIV/00216224:14310/24:00138661 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Klasifikátor vazebných kapes v proteinech založený na strojovém učení

Popis výsledku v původním jazyce

Některé strukturní prvky proteinů hrají rozhodující roli při navázání a uvolnění ligandů, např. povrchové vazebné rozhraní, tunel s jedním otvorem, který spojuje aktivní místo s vnějším prostředím, nebo oboustranně otevřený kanál. Pro výpočet tunelů a kanálů existuje několik metod, které však vyžadují vlastní nastavení, aby poskytly kvalitní výsledky. Zejména rozlišení mezi povrchovými a zanořenými vazebnými kapsami je pro výpočet tunelu kritické, ale zatím není dořešené. Cílem tohoto klasifikátoru je vyřešit tento problém pomocí funkcí FPOCKET a ručně označeného souboru dat 200 kapes klasifikovaných jako povrchové, hraniční a zanořené. Klasifikátor se skládá z malé umělé neuronové sítě a dosahuje přesnosti 54 % a skóre F1 50 %.

Název v anglickém jazyce

A machine learning-based classifier of binding pockets in proteins

Popis výsledku anglicky

Certain structural elements of proteins play a critical role in binding and unbinding ligands, e.g., the surface binding interface, a tunnel with one opening that connects the active site with the outside environment, or a channel open on both sides. There are several methods for tunnel and channel calculation, but they require customized settings to produce high-quality results. In particular, the discrimination between surface and buried binding pockets is critical for tunnel calculation but is an open problem. This classifier aims to solve this problem using FPOCKET features and manually labelled dataset of 200 pockets classified as surface, borderline, and buried. The classifier consists of a small artificial neural network and achieves the accuracy of 54% and F1 score of 50%.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LM2023049" target="_blank" >LM2023049: Český národní uzel Evropské sítě infrastruktur klinického výzkumu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

3_SW_MU_2024

Technické parametry

Doposud je využíváno interně k výzkumným účelům.

Ekonomické parametry

V budoucnu je plánována komerční nabídka potencionálním partnerům z komerční sféry.

IČO vlastníka výsledku

00216224

Název vlastníka

Masarykova univerzita