2024/2025

Методы моделирования пространственной структуры протеинов

Статус: Маго-лего

Кто читает: Департамент программной инженерии

Когда читается: 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Игнатов Андрей Дмитриевич

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

Элементы контроля

• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Контрольная работа
• Экзамен

Промежуточная аттестация

• 2024/2025 2nd module
  0.125 * 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.

Авторы

• Яковлева Илона Александровна
• Буцкая Евгения Александровна