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

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

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