Описание проекта
Наша модель способна прогнозировать значение изоэлектрической точки и константы диссоциации карбоксильных групп аминокислот в зависимости от строения молекулы.
Команда DeepMind, подразделение Google, создали нейросеть, которая по последовательностям аминокислот, показывает трехмерную структуру белка.
Ученые Массачусетского технологического института создали модель машинного обучения для прогнозирования комплекса, образуемого из двух белков.
Наша команда создала модель машинного обучения, способную прогнозировать значение изоэлектрической точки (pI) с высокой точностью. Как известно, для нахождения изоэлектрической точки, необходимо знать константы диссоциации кислотных и основных групп. НО НЕ ВСЕГДА ЭТО ВОЗМОЖНО СДЕЛАТЬ БЫСТРО!
Наш метод позволит управлять белками, так как при pH<pI – молекула имеет положительный заряд, а pH>pI – молекула имеет отрицательный заряд.
Уникальность нашей разработки в том, что на вход подается только структура молекулы. На выходе:
1.Значение изоэлектрической точки;
2. значение константы диссоциации карбоксильных групп аминокислот
