Leveraging Deep Learning-based structural bioinformatics for experimental structural biology

本项目旨在利用深度学习改进蛋白质结构的测定，特别是通过X射线晶体学方法——目前仍占已解析结构的60%。尽管AlphaFold 2和3能够以高精度预测蛋白质结构，但在结晶化方面存在局限性，例如蛋白质区域的柔性可能阻碍结晶的成功。学生将利用AlphaFold模型分析结构性特征（如柔性的末端N端和C端以及表面环区），预测哪些蛋白质更易于结晶，并探索优化这些区域的方法。此外，学生还将使用ProteinMPNN等工具，通过调整表面残基来设计更稳定的蛋白质变体，同时不改变其功能。预测结果将通过机器人结晶系统进行实验验证，重点关注磺基转移酶等具有挑战性的蛋白质。 此外，学生还将改进软件Slice’N’Dice，使其能更好地处理含RNA的分子——这类分子比蛋白质更难建模。培训内容包括生物信息学、编程、结构生物学方法，以及对CCP4软件和相关课程的访问。该项目结合了计算深度学习与实验验证，在专家指导和前沿资源的支持下开展。