Магистратура
2024/2025
Методы моделирования пространственной структуры протеинов
Статус:
Курс обязательный (Анализ данных в биологии и медицине)
Направление:
01.04.02. Прикладная математика и информатика
Кто читает:
Департамент программной инженерии
Где читается:
Факультет компьютерных наук
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Игнатов Андрей Дмитриевич
Прогр. обучения:
Анализ данных в биологии и медицине
Язык:
русский
Кредиты:
6
Программа дисциплины
Аннотация
Курс «Методы моделирования пространственной структуры протеинов» посвящен двум основным задачам, имеющим важнейшее значение для понимания биологических процессов в организме человека и разработке лекарств. Первая задача, т.н. «фолдинг» заключается в том, что по набору входящих в белок аминокислот необходимо восстановить его пространственную структуру, т.е. координаты составляющих атомов атомов. Решение данной задачи важно, т.к. именно пространственная структура во-многом определяет функции протеина. Вторая проблема, рассматриваемая в курсе – это определение пространственной конфигурации комплекса, состоящего из нескольких (как правило, двух) белковых молекул. Данная задача, называемая «докинг», важна для моделирования взаимодействия белков и, в частности, лекарственных препаратов и целевых болезнетворных молекул. В курсе рассматриваются базовые понятия структурной биологии и методы решения перечисленных проблем. В частности, существенное внимание уделяется методам, основанным на минимизации энергии молекулы белка и методам машинного обучения, применяемым для предсказания его пространственной структуры.
Цель освоения дисциплины
- Целями освоения дисциплины «Методы моделирования пространственной структуры протеинов» являются: освоение студентами методов изучения структурных особенностей белковых структур, включающих в себя как методы машинного обучения, так и детерминированные методы; формирование у студентов навыков предсказания пространственной структуры белковых молекул и комплексов.
Планируемые результаты обучения
- Понимает базовую структуру протеиновых молекул, способен отличать факторы, влияющие на конформацию белковой молекулы
- Умеет пользоваться различными методами предсказания структуры белковых молекул
- Понимает границы применимости каждого метода
- Способен применять вспомогательные инструменты предсказания белковой конформации
- Способен самостоятельно разрабатывать ПО, реализующее методы предсказания пространственной структуры протеинов
- Способен применять методы машинного обучения и методы оптимизации к задаче определения пространственной структуры белковых структур
- Умеет работать с Python модулем Biopython, имеет представление о базовой структуре каркаса белковой молекулы
- Имеет представление о структуре боковых цепей белка
- Понимает применимость моделей машинного обучения к задаче моделирования боковых цепей белка
- Умеет пользоваться инструментом AlphaFold для моделирования пространственной структуры белка
Содержание учебной дисциплины
- Общие сведения о белковых молекулах
- Каркас белковой молекулы
- Боковые цепи белковой структуры
- Белковые потенциалы и силовые поля
- Модели упрощенной геометрии белка
- AlphaFold
- Белковый докинг
Промежуточная аттестация
- 2024/2025 2nd module0.125 * Домашнее задание 1 + 0.125 * Домашнее задание 2 + 0.125 * Домашнее задание 3 + 0.125 * Контрольная работа + 0.5 * Экзамен
Список литературы
Рекомендуемая основная литература
- Global Minimization of Nonconvex Energy Functions : Molecular Conformation and Protein Folding, DIMACS Workshop, March 20-21, 1995, editors P. M. Pardalos, D. Shalloway, G. Xue, 271 p., , 1996
- Orengo, C., Jones, D., & Thornton, J. M. (2003). Bioinformatics : Genes, Proteins and Computers. Oxford: Taylor & Francis. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=102529
Рекомендуемая дополнительная литература
- Finkelstein A.V., Ptitsyn O.B. Protein Physics: A Course of Lectures. –Academic Press, 2002.