Translating Deep Learning protein bioinformatics methods to accelerate structural determination by X-ray crystallography

该项目旨在开发新的生物信息学工具，帮助晶体学家选择更有可能形成高质量晶体的蛋白质及蛋白质变体，以解决结构生物学中的一个主要瓶颈。尽管已有AlphaFold 2等技术进步，实验方法（如X射线晶体学）仍然至关重要，而本项目将通过改进预测方法来支持这一领域。研究重点是识别并修饰阻碍结晶的蛋白质柔性区域（如表面环或末端），利用AlphaFold和ProteinMPNN等深度学习工具。项目还将探索在不同物种中寻找更稳定的蛋白质版本，或设计出更稳定的变体。此外，学生将开发机器学习方法，以更准确地估计晶体中堆积的蛋白质分子数量，这对于高效解析结构至关重要。这些工具将被开发为可集成到广泛使用的CCP4软件套件中的模块。学生将获得生物信息学、机器学习和结构生物学方面的技能，并可能有机会在晶体学实验室进行实践操作，同时受益于英国领先的晶体学软件联盟内的合作资源。