Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

DeepNOE: Leveraging deep learning for protein structure solving at ultra-high resolution on the basis of NMR measurements with exact nuclear Overhauser enhancement

Opis projektu

Struktura białka w ultrawysokiej rozdzielczości dzięki pomiarom NMR

Spektroskopia metodą magnetycznego rezonansu jądrowego (NMR) jest niezbędna dla analizy budowy białka, która umożliwia pomiar jego dynamiki i struktury w warunkach zbliżonych do fizjologicznych. Najnowsze badania z zakresu jądrowego efektu Overhausera (NOE) umożliwiły dokonywanie pomiarów odległości w białkach przy użyciu NMR z dokładnością rzędu 0,1 Å. Celem finansowanego ze środków UE projektu DeepNOE jest opracowanie innowacyjnego modelu/algorytmu, który automatycznie przekształca surowe pomiary NMR w struktury białkowe o wysokiej rozdzielczości, ujawniając obecność wielu jednoczesnych stanów konformacyjnych ze szczegółowością na poziomie pojedynczych atomów. Badacze wykorzystają techniki głębokiego uczenia – nową dziedzinę z zakresu uczenia maszynowego, która zrewolucjonizowała naukę o danych oraz sztuczną inteligencję.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

MSCA-IF-EF-ST - Standard EF

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2019

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 191 149,44
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 191 149,44
Moja broszura 0 0