Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-06-18
AUTOMATED NMR STRUCTURE-BASED ASSIGNMENTS

Article Category

Article available in the following languages:

Tworzenie oprogramowania do analizy białek

Naukowcy potrzebują wielu narzędzi do walki z chorobami, takimi jak rak czy choroba sercowo-naczyniowa. W ramach finansowanego przez UE projektu opracowano oprogramowanie mające udoskonalić jedno narzędzie zaprojektowane do analizy białek.

Projekt "Automated NMR structure-based assignments" (NMR-SBA) skupił się na problemach w odczycie widm w badaniach z użyciem magnetycznego rezonansu jądrowego (NMR). Naukowcy znaleźli rozwiązanie w postaci zautomatyzowanego oprogramowania opartego na strukturze NMR. Osiągnięcie tego celu wymagało przejścia przez wiele etapów. Wśród nich było opracowanie algorytmów do analizowania białek różnych wielkości i testowanie ich w celu określenia najlepszych parametrów ich użycia. Ponadto, zespół włączył nowe typy danych NMR do oprogramowania, aby zwiększyć jego użyteczność. Aby podnieść efektywność algorytmów, dokonano ekstrakcji większej ilości danych z istniejących źródeł. Zespół opracował trzy algorytmy i odpowiadające im oprogramowanie, aby zająć się przyporządkowaniem białek w obecności wzornika. Algorytmy wykorzystano w oparciu o istniejące ramy zwane podstawieniem wektora jądrowego (NVR). W pierwszym z tych podejść, NVR-BIP, zastosowano binarne programowanie całkowitoliczbowe (BIP), aby znaleźć dokładne rozwiązanie kwestii minimalizacji wielkości białek. Ta technika znacznie poprawiła dokładność przyporządkowania z użyciem narzędzia NVR. Jednakże nie rozwiązała problemu w przypadku dużych białek. W związku z tym, dla dużych białek, zespół opracował dwa inne algorytmy. Dodatkowo, nowe dane, które wcześniej należało konfigurować manualnie, zostały wprowadzone do oprogramowania. Do testowania oprogramowania naukowcy wykorzystali dane dostępne w publicznych bazach danych, a także dane dostarczone przez partnerów projektu. Jeżeli dane określonego typu nie były dostępne, korzystali z danych syntetycznych. Przed końcem projektu zespół uzyskał dofinansowanie umożliwiające podjęcie współpracy z wysoce wykwalifikowanymi naukowcami nad nowymi metodami terapeutycznymi. Oprogramowanie to przyczyni się do badania dużych białek z myślą o opracowaniu nowych antybiotyków do walki z antybiotykoopornymi bakteriami gram ujemnymi. Jednak korzyści dla nauki z wykorzystania tego oprogramowania jest znacznie więcej. Wiele innych zostanie prawdopodobnie odkrytych w przyszłości.

Znajdź inne artykuły w tej samej dziedzinie zastosowania