机器学习在研究无序蛋白质序列、结构、动力学与功能关系的潜力
摘要：无内部结构的蛋白质（IDPs）是一类具有少数共同特性和许多不同特性的广泛蛋白质集合。IDPs和折叠结构域之间夹杂的无内部结构区域（IDRs）通常被描述为没有持久的三级结构；相反，它们在许多不同且常常是扩张的结构之间相互转变。IDPs和IDRs参与了广泛的生物功能，并揭示了新的相互作用机制，虽然它们抵抗了折叠蛋白结构-功能范例，但它们的结构偏好和动力学对其功能至关重要。我们在这篇论文中讨论了IDPs和IDRs领域的开放问题，重点关注机器学习和其他计算方法发挥作用的领域。我们讨论了用于预测瞬态形成的局部和远程结构的计算方法，包括用于整合结构生物学的方法。我们讨论了IDPs和IDRs通过短线性基序以及形成更大的动态复合物如生物分子凝聚体等多种方式与其他分子结合。我们讨论实验如何揭示这些复合物并可能实现更准确的预测。最后，我们讨论了IDPs在疾病中的作用以及解释IDPs中基因组变异的机制效应所需的新方法。
作者：Kresten Lindorff-Larsen and Birthe B. Kragelund
论文ID：2106.00855
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2021-06-03