Descripción del proyecto
Estructura proteica de ultraalta resolución a partir de mediciones de resonancia magnética nuclear
La espectroscopia de resonancia magnética nuclear (RMN) es fundamental para el análisis de la estructura de las proteínas, dado que permite medir la dinámica y la estructura de una proteína en condiciones prácticamente naturales. Estudios recientes sobre las mejoras nucleares Overhauser exactas (eNOE, por sus siglas en inglés) han permitido realizar mediciones mediante RMN de distancias en las proteínas con una precisión de 0,1 Å. El proyecto financiado con fondos europeos DeepNOE tiene por objeto desarrollar un algoritmo/modelo innovador que transforma de manera automática mediciones de RMN en estructuras proteicas de alta resolución que revelan, con detalle atómico, múltiples estados conformacionales poblados de manera simultánea. El estudio incluirá la aplicación del aprendizaje profundo, un novedoso campo del aprendizaje automático que ha revolucionado la ciencia de datos y la inteligencia artificial.
Objetivo
Nuclear Magnetic Resonance (NMR) spectroscopy is one of the leading techniques for protein structure analysis. In contrast to other methods, NMR spectroscopy allows the measurement of the dynamics and structure of a protein under nearly physiological conditions, without the need for crystallization or freezing of a sample. Recent studies on exact Nuclear Overhauser enhancements (eNOEs), carried out in the laboratory of the host professor, have enabled distance measurements in proteins by NMR with accuracy of 0.1 Å. This allows to determine structures in solution and in living cells with unprecedented resolution.
This biophysical achievement creates an outstanding opportunity for a computer scientist (the fellow candidate) to develop the first-of-its-kind model/algorithm that automatically transforms raw NMR measurements into high-resolution protein structures that reveal multiple simultaneously populated conformational states in atomic detail. This problem will be tackled with the use of deep learning (DL), a novel field in machine learning that has emerged after 2010 and has revolutionized data science and artificial intelligence.
The project is divided into 3 parts. First, it is planned to investigate recent advances in DL to derive a model that extracts visual information from 2D and 3D NMR spectra. Afterwards, the proposed model will be integrated into CYANA to formulate a hierarchical DL/optimization routine, which automates all steps of protein structure solving. Finally, it is planned to explore the possibility of calculating protein structures directly from NOESY spectra, which constitutes a new protocol for protein structure solving by NMR spectroscopy.
Summing up, the proposed DL approach has the potential to reduce the time required to solve proteins with NMR from months/years to days, while delivering very high resolution, multi-state structures. We expect this project to open new avenues in structural biology and drug discovery.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..
- ciencias naturales informática y ciencias de la información ciencia de datos
- ciencias naturales ciencias biológicas bioquímica biomoléculas proteínas
- ciencias naturales ciencias físicas óptica espectroscopia espectroscopia de absorción
- ciencias naturales informática y ciencias de la información inteligencia artificial aprendizaje automático aprendizaje profundo
- ciencias naturales ciencias biológicas biología molecular biología estructural
Para utilizar esta función, debe iniciar sesión o registrarse
Le pedimos disculpas, pero se ha producido un error inesperado durante la ejecución.
Necesita estar autentificado. Puede que su sesión haya finalizado.
Gracias por su comentario. En breve recibirá un correo electrónico para confirmar el envío. Si ha seleccionado que se le notifique sobre el estado del informe, también se le contactará cuando el estado del informe cambie.
Programa(s)
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMA PRINCIPAL
Ver todos los proyectos financiados en el marco de este programa -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Ver todos los proyectos financiados en el marco de este programa
Tema(s)
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Régimen de financiación
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
MSCA-IF-EF-ST - Standard EF
Ver todos los proyectos financiados en el marco de este régimen de financiación
Convocatoria de propuestas
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
(se abrirá en una nueva ventana) H2020-MSCA-IF-2019
Ver todos los proyectos financiados en el marco de esta convocatoriaCoordinador
Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.
8092 Zuerich
Suiza
Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.