Exploring new applications of amino acid covariation analysis in modelling proteins and their complexes

Projektinformationen

ProCovar

ID Finanzhilfevereinbarung: 695558

DOI 10.3030/695558

Projekt abgeschlossen

EK-Unterschriftsdatum 6 September 2016

Startdatum 1 November 2016

Enddatum 30 April 2022

Finanziert unter

• EXCELLENT SCIENCE - European Research Council (ERC)

Gesamtkosten € 2 433 679,00

EU-Beitrag € 2 433 679,00

Koordiniert durch

UNIVERSITY COLLEGE LONDON
United Kingdom

Veröffentlichungen

Peer reviewed articles (9)

Increasing the Accuracy of Single Sequence Prediction Methods Using a Deep Semi-Supervised Learning Framework.

Autoren: Lewis Moffat; Lewis Moffat; David T. Jones; David T. Jones
Veröffentlicht in: Bioinformatics, Ausgabe 3, 2021, ISSN 1367-4803
Herausgeber: Oxford University Press
DOI: 10.1093/bioinformatics/btab491

High precision in protein contact prediction using fully convolutional neural networks and minimal sequence features

Autoren: David T Jones, Shaun M Kandathil
Veröffentlicht in: Bioinformatics, Ausgabe Volume 34, Ausgabe 19, 2018, Seite(n) 3308-3315, ISSN 1367-4803
Herausgeber: Oxford University Press
DOI: 10.1093/bioinformatics/bty341

Design of metalloproteins and novel protein folds using variational autoencoders

Autoren: Joe G. Greener, Lewis Moffat, David T Jones
Veröffentlicht in: Scientific Reports, Ausgabe 8/1, 2018, ISSN 2045-2322
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41598-018-34533-1

Deep learning extends de novo protein modelling coverage of genomes using iteratively predicted structural constraints

Autoren: Joe G. Greener, Shaun M. Kandathil, David T. Jones
Veröffentlicht in: Nature Communications, Ausgabe 10/1, 2019, ISSN 2041-1723
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41467-019-11994-0

Prediction of interresidue contacts with DeepMetaPSICOV in CASP13

Autoren: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Veröffentlicht in: Proteins: Structure, Function, and Bioinformatics, Ausgabe 87/12, 2019, Seite(n) 1092-1099, ISSN 0887-3585
Herausgeber: Wiley-Liss Inc
DOI: 10.1002/prot.25779

Recent developments in deep learning applied to protein structure prediction

Autoren: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Veröffentlicht in: Proteins: Structure, Function, and Bioinformatics, Ausgabe 87/12, 2019, Seite(n) 1179-1189, ISSN 0887-3585
Herausgeber: Wiley-Liss Inc
DOI: 10.1002/prot.25824

Differentiable molecular simulation can learn all the parameters in a coarse-grained force field for proteins.

Autoren: Joe G Greener; David T. Jones
Veröffentlicht in: PLoS ONE, Ausgabe 4, 2021, ISSN 1932-6203
Herausgeber: Public Library of Science
DOI: 10.1371/journal.pone.0256990

Ultrafast end-to-end protein structure prediction enables high-throughput exploration of uncharacterized proteins

Autoren: Shaun M. Kandathil, Joe G. Greener, Andy M. Lau, David T. Jones
Veröffentlicht in: PNAS, 2022, ISSN 1091-6490
Herausgeber: National Academy of Sciences
DOI: 10.1073/pnas.2113348119

Improving protein function prediction with synthetic feature samples created by generative adversarial networks

Autoren: Cen Wan; Cen Wan; David T. Jones; David T. Jones
Veröffentlicht in: Nature Machine Intelligence, Ausgabe 5, 2020, ISSN 2522-5839
Herausgeber: Springer Nature
DOI: 10.1101/730143