Descripción del proyecto
Un análisis más detallado de la dinámica de las proteínas
Desvelar los secretos de las funciones biológicas requiere algo más que el conocimiento de la estructura estática de las proteínas. Si bien investigaciones previas han mejorado la predicción de las estructuras de las proteínas, aún no se comprende del todo su compleja dinámica estructural y el efecto del entorno. Las proteínas no funcionan de forma independiente, sino que lo hacen en el complejo entorno celular. En este contexto, el proyecto bAIes, financiado por el Consejo Europeo de Investigación, aborda esta brecha del conocimiento. Su objetivo es dilucidar el panorama estructural de las proteínas, sus estados relevantes y sus rutas. A diferencia de los métodos de inteligencia artificial (IA o AI, por sus siglas en inglés), en bAIes se abordan complejidades como las regiones desordenadas de las proteínas y la dinámica «in situ», centrándose en la proteína de la espícula del coronavirus del síndrome respiratorio agudo grave de tipo 2. El resultado será un método versátil y eficaz que amplía los límites de la predicción estructural de la IA. Se prevé que esta innovación tenga repercusiones de gran calado en diferentes sistemas biológicos.
Objetivo
The life sciences community is living in exciting times. During the past year, Artificial Intelligence (AI), and in particular AlphaFold2, has contributed to advancing our understanding of protein behaviour by enabling structure prediction with accuracy comparable to many experimental techniques at a fraction of their time and costs. However, structures are only a piece of the puzzle. To understand the mechanisms underlying biological functions, we need to characterize the conformational landscape of proteins, the population of relevant states, and their pathways of interconversion. Furthermore, we need to determine the effect of the environment in modulating structures, populations, and pathways, as biological systems perform their functions in the complexity of cells rather than in the isolation of test tubes. None of these objectives can be achieved by AI structure-prediction methods alone. In this proposal we will leverage the PIs expertise in the field of integrative computational-experimental techniques to develop, apply, and disseminate bAIes, a modelling approach that will enable attaining these goals. bAIes will make synergistic use of AI structural models, experimental data, and molecular simulations driven by accurate physico-chemical models to characterize protein structure and dynamics. We will demonstrate how bAIes can solve biological problems that exceed the capabilities of AI approaches, such as the characterization of protein disordered regions and the determination of structure and dynamics in situ, with a particular focus on the SARS-CoV-2 spike protein. The outcome of this proposal will be a versatile, accurate and efficient method that will push the boundaries of what can be achieved with AI structure-prediction methods. bAIes will be implemented in the widely used PLUMED library, of which the PI is founder and core developer, thus enabling its application to a wide variety of systems and biological problems beyond those envisioned here.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesciencias biológicasbioquímicabiomoléculasproteínas
- ciencias médicas y de la saludciencias de la saludenfermedad infecciosavirus de ARNcoronavirus
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Régimen de financiación
HORIZON-ERC - HORIZON ERC GrantsInstitución de acogida
75794 Paris
Francia