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

Informacje na temat projektu

ProCovar

Identyfikator umowy o grant: 695558

DOI 10.3030/695558

Projekt został zamknięty

Data podpisania przez KE 6 Września 2016

Data rozpoczęcia 1 Listopada 2016

Data zakończenia 30 Kwietnia 2022

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity € 2 433 679,00

Wkład UE € 2 433 679,00

Koordynowany przez

UNIVERSITY COLLEGE LONDON
United Kingdom

Publikacje

Peer reviewed articles (9)

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

Autorzy: Lewis Moffat; Lewis Moffat; David T. Jones; David T. Jones
Opublikowane w: Bioinformatics, Numer 3, 2021, ISSN 1367-4803
Wydawca: Oxford University Press
DOI: 10.1093/bioinformatics/btab491

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

Autorzy: David T Jones, Shaun M Kandathil
Opublikowane w: Bioinformatics, Numer Volume 34, Numer 19, 2018, Strona(/y) 3308-3315, ISSN 1367-4803
Wydawca: Oxford University Press
DOI: 10.1093/bioinformatics/bty341

Design of metalloproteins and novel protein folds using variational autoencoders

Autorzy: Joe G. Greener, Lewis Moffat, David T Jones
Opublikowane w: Scientific Reports, Numer 8/1, 2018, ISSN 2045-2322
Wydawca: 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

Autorzy: Joe G. Greener, Shaun M. Kandathil, David T. Jones
Opublikowane w: Nature Communications, Numer 10/1, 2019, ISSN 2041-1723
Wydawca: Nature Publishing Group
DOI: 10.1038/s41467-019-11994-0

Prediction of interresidue contacts with DeepMetaPSICOV in CASP13

Autorzy: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Opublikowane w: Proteins: Structure, Function, and Bioinformatics, Numer 87/12, 2019, Strona(/y) 1092-1099, ISSN 0887-3585
Wydawca: Wiley-Liss Inc
DOI: 10.1002/prot.25779

Recent developments in deep learning applied to protein structure prediction

Autorzy: Shaun M. Kandathil, Joe G. Greener, David T. Jones
Opublikowane w: Proteins: Structure, Function, and Bioinformatics, Numer 87/12, 2019, Strona(/y) 1179-1189, ISSN 0887-3585
Wydawca: Wiley-Liss Inc
DOI: 10.1002/prot.25824

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

Autorzy: Joe G Greener; David T. Jones
Opublikowane w: PLoS ONE, Numer 4, 2021, ISSN 1932-6203
Wydawca: Public Library of Science
DOI: 10.1371/journal.pone.0256990

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

Autorzy: Shaun M. Kandathil, Joe G. Greener, Andy M. Lau, David T. Jones
Opublikowane w: PNAS, 2022, ISSN 1091-6490
Wydawca: National Academy of Sciences
DOI: 10.1073/pnas.2113348119

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

Autorzy: Cen Wan; Cen Wan; David T. Jones; David T. Jones
Opublikowane w: Nature Machine Intelligence, Numer 5, 2020, ISSN 2522-5839
Wydawca: Springer Nature
DOI: 10.1101/730143