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

Informazioni relative al progetto

ProCovar

ID dell’accordo di sovvenzione: 695558

DOI 10.3030/695558

Progetto chiuso

Data della firma CE 6 Settembre 2016

Data di avvio 1 Novembre 2016

Data di completamento 30 Aprile 2022

Finanziato da

• EXCELLENT SCIENCE - European Research Council (ERC)

Costo totale € 2 433 679,00

Contributo UE € 2 433 679,00

Coordinato da

UNIVERSITY COLLEGE LONDON
United Kingdom

Pubblicazioni

Peer reviewed articles (9)

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

Autori: Lewis Moffat; Lewis Moffat; David T. Jones; David T. Jones
Pubblicato in: Bioinformatics, Numero 3, 2021, ISSN 1367-4803
Editore: Oxford University Press
DOI: 10.1093/bioinformatics/btab491

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

Autori: David T Jones, Shaun M Kandathil
Pubblicato in: Bioinformatics, Numero Volume 34, Numero 19, 2018, Pagina/e 3308-3315, ISSN 1367-4803
Editore: Oxford University Press
DOI: 10.1093/bioinformatics/bty341

Design of metalloproteins and novel protein folds using variational autoencoders

Autori: Joe G. Greener, Lewis Moffat, David T Jones
Pubblicato in: Scientific Reports, Numero 8/1, 2018, ISSN 2045-2322
Editore: 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

Autori: Joe G. Greener, Shaun M. Kandathil, David T. Jones
Pubblicato in: Nature Communications, Numero 10/1, 2019, ISSN 2041-1723
Editore: Nature Publishing Group
DOI: 10.1038/s41467-019-11994-0

Prediction of interresidue contacts with DeepMetaPSICOV in CASP13

Autori: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Pubblicato in: Proteins: Structure, Function, and Bioinformatics, Numero 87/12, 2019, Pagina/e 1092-1099, ISSN 0887-3585
Editore: Wiley-Liss Inc
DOI: 10.1002/prot.25779

Recent developments in deep learning applied to protein structure prediction

Autori: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Pubblicato in: Proteins: Structure, Function, and Bioinformatics, Numero 87/12, 2019, Pagina/e 1179-1189, ISSN 0887-3585
Editore: Wiley-Liss Inc
DOI: 10.1002/prot.25824

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

Autori: Joe G Greener; David T. Jones
Pubblicato in: PLoS ONE, Numero 4, 2021, ISSN 1932-6203
Editore: Public Library of Science
DOI: 10.1371/journal.pone.0256990

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

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

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

Autori: Cen Wan; Cen Wan; David T. Jones; David T. Jones
Pubblicato in: Nature Machine Intelligence, Numero 5, 2020, ISSN 2522-5839
Editore: Springer Nature
DOI: 10.1101/730143