Досягнення у визначенні просторової структури білків на основі методів машинного навчання
Мета роботи. Розглянути та проаналізувати основні принципі дії програмного комплекса AlphaFold з визначення просторової структури білків. Результати. Наведено основні складові методи та етапи в процесі розпізнавання структури білка. До складових етапів та відповідних методів належать такі як: пошук...
Збережено в:
| Опубліковано в: : | Кібернетика та комп’ютерні технології |
|---|---|
| Дата: | 2021 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2021
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/179353 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Досягнення у визначенні просторової структури білків на основі методів машинного навчання / Б.О. Білецький // Кібернетика та комп’ютерні технології: Зб. наук. пр. — 2021. — № 1. — С. 54-60. — Бібліогр.: 14 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862699905170014208 |
|---|---|
| author | Білецький, Б.О. |
| author_facet | Білецький, Б.О. |
| citation_txt | Досягнення у визначенні просторової структури білків на основі методів машинного навчання / Б.О. Білецький // Кібернетика та комп’ютерні технології: Зб. наук. пр. — 2021. — № 1. — С. 54-60. — Бібліогр.: 14 назв. — укр. |
| collection | DSpace DC |
| container_title | Кібернетика та комп’ютерні технології |
| description | Мета роботи. Розглянути та проаналізувати основні принципі дії програмного комплекса AlphaFold з визначення просторової структури білків. Результати. Наведено основні складові методи та етапи в процесі розпізнавання структури білка. До складових етапів та відповідних методів належать такі як: пошук гомологічних білків на основі методів множинного вирівнювання, побудова білок-специфічного диференційованого потенціалу за допомогою штучних нейронних мереж та оптимізація енергії за допомогою градієнтного спуску та обмеженого семплювання.
Цель работы. Рассмотреть и проанализировать основные принципы действия программного комплекса AlphaFold по определению пространственной структуры белков. Результаты. Приведены основные этапы в процессе распознавания структуры белка с помощью программного комплекса AlphaFold. Среди таких этапов поиск гомологичных белков на основе методов множественного выравнивания, построение белок-специфического дифференцируемого потенциала с помощью искусственных нейронных сетей и оптимизация энергии с помощью градиентного спуска и ограниченного сэмплирования.
Purpose of the article. The aim of the work is to consider and analyze the basic principles of the AlphaFold software package for determining the spatial structure of proteins. Results. We consider the main stages in the process of recognizing the structure of a protein using the AlphaFold program complex. The stages and corresponding methods include: search for homologous proteins based on multiple alignment methods, construction of protein-specific differentiated potential using artificial neural networks and protein structure energy optimization using gradient descent and limited sampling. We discuss how combination of various bioinformatics techniques powered by data from open data sources can lead to significant improvements in accuracy of protein structure prediction. Special attention is paid to the use of artificial neural networks for building the smooth protein-specific potential and following energy minimization based on constructed potential.
|
| first_indexed | 2025-12-07T16:37:15Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-179353 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 2707-4501 |
| language | Ukrainian |
| last_indexed | 2025-12-07T16:37:15Z |
| publishDate | 2021 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Білецький, Б.О. 2021-04-29T19:22:12Z 2021-04-29T19:22:12Z 2021 Досягнення у визначенні просторової структури білків на основі методів машинного навчання / Б.О. Білецький // Кібернетика та комп’ютерні технології: Зб. наук. пр. — 2021. — № 1. — С. 54-60. — Бібліогр.: 14 назв. — укр. 2707-4501 DOI: https://doi.org/10.34229/2707-451X.21.1.5 https://nasplib.isofts.kiev.ua/handle/123456789/179353 519.272.2 Мета роботи. Розглянути та проаналізувати основні принципі дії програмного комплекса AlphaFold з визначення просторової структури білків. Результати. Наведено основні складові методи та етапи в процесі розпізнавання структури білка. До складових етапів та відповідних методів належать такі як: пошук гомологічних білків на основі методів множинного вирівнювання, побудова білок-специфічного диференційованого потенціалу за допомогою штучних нейронних мереж та оптимізація енергії за допомогою градієнтного спуску та обмеженого семплювання. Цель работы. Рассмотреть и проанализировать основные принципы действия программного комплекса AlphaFold по определению пространственной структуры белков. Результаты. Приведены основные этапы в процессе распознавания структуры белка с помощью программного комплекса AlphaFold. Среди таких этапов поиск гомологичных белков на основе методов множественного выравнивания, построение белок-специфического дифференцируемого потенциала с помощью искусственных нейронных сетей и оптимизация энергии с помощью градиентного спуска и ограниченного сэмплирования. Purpose of the article. The aim of the work is to consider and analyze the basic principles of the AlphaFold software package for determining the spatial structure of proteins. Results. We consider the main stages in the process of recognizing the structure of a protein using the AlphaFold program complex. The stages and corresponding methods include: search for homologous proteins based on multiple alignment methods, construction of protein-specific differentiated potential using artificial neural networks and protein structure energy optimization using gradient descent and limited sampling. We discuss how combination of various bioinformatics techniques powered by data from open data sources can lead to significant improvements in accuracy of protein structure prediction. Special attention is paid to the use of artificial neural networks for building the smooth protein-specific potential and following energy minimization based on constructed potential. uk Інститут кібернетики ім. В.М. Глушкова НАН України Кібернетика та комп’ютерні технології Математичне моделювання та чисельні методи Досягнення у визначенні просторової структури білків на основі методів машинного навчання Достижения в определении пространственной структуры белков на основе методов машинного обучения Progress in determination of protein spatial structure based on machine learning Article published earlier |
| spellingShingle | Досягнення у визначенні просторової структури білків на основі методів машинного навчання Білецький, Б.О. Математичне моделювання та чисельні методи |
| title | Досягнення у визначенні просторової структури білків на основі методів машинного навчання |
| title_alt | Достижения в определении пространственной структуры белков на основе методов машинного обучения Progress in determination of protein spatial structure based on machine learning |
| title_full | Досягнення у визначенні просторової структури білків на основі методів машинного навчання |
| title_fullStr | Досягнення у визначенні просторової структури білків на основі методів машинного навчання |
| title_full_unstemmed | Досягнення у визначенні просторової структури білків на основі методів машинного навчання |
| title_short | Досягнення у визначенні просторової структури білків на основі методів машинного навчання |
| title_sort | досягнення у визначенні просторової структури білків на основі методів машинного навчання |
| topic | Математичне моделювання та чисельні методи |
| topic_facet | Математичне моделювання та чисельні методи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/179353 |
| work_keys_str_mv | AT bílecʹkiibo dosâgnennâuviznačenníprostorovoístrukturibílkívnaosnovímetodívmašinnogonavčannâ AT bílecʹkiibo dostiženiâvopredeleniiprostranstvennoistrukturybelkovnaosnovemetodovmašinnogoobučeniâ AT bílecʹkiibo progressindeterminationofproteinspatialstructurebasedonmachinelearning |