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

Informations projet

ProCovar

N° de convention de subvention: 695558

DOI 10.3030/695558

Projet clôturé

Date de signature de la CE 6 Septembre 2016

Date de début 1 Novembre 2016

Date de fin 30 Avril 2022

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total € 2 433 679,00

Contribution de l’UE € 2 433 679,00

Coordonné par

UNIVERSITY COLLEGE LONDON
United Kingdom

Publications

Peer reviewed articles (9)

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

Auteurs: Lewis Moffat; Lewis Moffat; David T. Jones; David T. Jones
Publié dans: Bioinformatics, Numéro 3, 2021, ISSN 1367-4803
Éditeur: Oxford University Press
DOI: 10.1093/bioinformatics/btab491

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

Auteurs: David T Jones, Shaun M Kandathil
Publié dans: Bioinformatics, Numéro Volume 34, Numéro 19, 2018, Page(s) 3308-3315, ISSN 1367-4803
Éditeur: Oxford University Press
DOI: 10.1093/bioinformatics/bty341

Design of metalloproteins and novel protein folds using variational autoencoders

Auteurs: Joe G. Greener, Lewis Moffat, David T Jones
Publié dans: Scientific Reports, Numéro 8/1, 2018, ISSN 2045-2322
Éditeur: 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

Auteurs: Joe G. Greener, Shaun M. Kandathil, David T. Jones
Publié dans: Nature Communications, Numéro 10/1, 2019, ISSN 2041-1723
Éditeur: Nature Publishing Group
DOI: 10.1038/s41467-019-11994-0

Prediction of interresidue contacts with DeepMetaPSICOV in CASP13

Auteurs: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Publié dans: Proteins: Structure, Function, and Bioinformatics, Numéro 87/12, 2019, Page(s) 1092-1099, ISSN 0887-3585
Éditeur: Wiley-Liss Inc
DOI: 10.1002/prot.25779

Recent developments in deep learning applied to protein structure prediction

Auteurs: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Publié dans: Proteins: Structure, Function, and Bioinformatics, Numéro 87/12, 2019, Page(s) 1179-1189, ISSN 0887-3585
Éditeur: Wiley-Liss Inc
DOI: 10.1002/prot.25824

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

Auteurs: Joe G Greener; David T. Jones
Publié dans: PLoS ONE, Numéro 4, 2021, ISSN 1932-6203
Éditeur: Public Library of Science
DOI: 10.1371/journal.pone.0256990

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

Auteurs: Shaun M. Kandathil, Joe G. Greener, Andy M. Lau, David T. Jones
Publié dans: PNAS, 2022, ISSN 1091-6490
Éditeur: National Academy of Sciences
DOI: 10.1073/pnas.2113348119

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

Auteurs: Cen Wan; Cen Wan; David T. Jones; David T. Jones
Publié dans: Nature Machine Intelligence, Numéro 5, 2020, ISSN 2522-5839
Éditeur: Springer Nature
DOI: 10.1101/730143