已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Principles, Challenges and Advances in ab initio Protein Structure Prediction

蛋白质结构预测 卡斯普 从头算 蛋白质结构 计算机科学 序列(生物学) 计算生物学 计算化学 化学 生物 生物化学 有机化学
作者
J. Arunachalam
出处
期刊:Protein and Peptide Letters [Bentham Science]
卷期号:19 (11): 1194-1204 被引量:22
标识
DOI:10.2174/092986612803217015
摘要

The gap between known protein sequences and structures is increasing rapidly and experimental methods alone will not be able to fill in this gap. Therefore it is necessary to use computational methods to predict protein structures. Template based modeling methods could be used for sequences, which have detectable relationship with sequences of one or more experimentally determined protein structures. For predicting the structure of proteins, which does not share a detectable sequence relationship with experimental structures, ab initio protein structure prediction techniques must be used. The methods under ab initio protein structure prediction category aim to predict the structure of a protein from the sequence information alone, without any explicit use of previously known structures. These methods use thermodynamic principles and try to identify the native structure of a protein as the global minimum of a potential energy landscape. However, such methods are computationally complex and are extraordinarily challenging. There has been significant progress in the development of ab inito protein structure prediction methods over the past few years. This review describes the basic principles, the complexity, challenges and recent progresses of ab initio protein structure prediction. Keywords: ab initio protein structure prediction, CASP; conformational search, energy functions, global minimum structure, local minimum, optimization methods, potential energy surface.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SciGPT应助深情映冬采纳,获得10
1秒前
天天快乐应助唠叨的月光采纳,获得10
1秒前
4秒前
洁白的故人完成签到 ,获得积分10
4秒前
小白哥发布了新的文献求助10
4秒前
7秒前
8秒前
9秒前
9秒前
共享精神应助牛犊采纳,获得10
10秒前
10秒前
Marvin完成签到,获得积分10
10秒前
11秒前
12秒前
深情映冬发布了新的文献求助10
13秒前
anya发布了新的文献求助10
14秒前
forory发布了新的文献求助10
15秒前
桐桐应助lizeyu采纳,获得10
15秒前
16秒前
缘在山中发布了新的文献求助10
16秒前
华仔应助研友_Z63kg8采纳,获得20
17秒前
17秒前
焱焱不忘完成签到 ,获得积分10
19秒前
19秒前
牛犊发布了新的文献求助10
22秒前
心向发布了新的文献求助10
23秒前
怜熙完成签到 ,获得积分10
23秒前
科研通AI2S应助深情映冬采纳,获得10
26秒前
自信凡灵完成签到,获得积分10
28秒前
JamesPei应助QinQin采纳,获得10
36秒前
37秒前
haoheee完成签到 ,获得积分10
37秒前
小二郎应助牛犊采纳,获得10
38秒前
楼傲晴完成签到,获得积分10
39秒前
FashionBoy应助宏伟采纳,获得30
40秒前
深情映冬完成签到,获得积分20
40秒前
40秒前
华仔应助摇一摇采纳,获得10
40秒前
唠叨的月光完成签到,获得积分10
41秒前
44秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3125790
求助须知:如何正确求助?哪些是违规求助? 2776133
关于积分的说明 7729211
捐赠科研通 2431530
什么是DOI,文献DOI怎么找? 1292140
科研通“疑难数据库(出版商)”最低求助积分说明 622407
版权声明 600380