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

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

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