Guillaume Gaullier#AlphaFoldDB now has binary protein complexes!
https://www.ebi.ac.uk/about/news/technology-and-innovation/first-complexes-alphafold-database/
CSBJ🧬 How does a foodborne toxin punch holes in our cells?
🔗 C. perfringens enterotoxin-claudin pore complex: Models for structure, mechanism of pore assembly and cation permeability. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2024.11.048
📚 CSBJ: https://www.csbj.org/
#StructuralBiology #ComputationalBiology #ToxinResearch #AlphaFold2 #MolecularDynamics #Claudin #CPE #FoodSafety #MolecularSimulation #ProteinComplex #Bioinformatics
🕵️ AlphaFold 2 predicts stability—but life runs on flexibility. Are we missing half the story?
🔗 Bridging prediction and reality: Comprehensive analysis of experimental and AlphaFold 2 full-length nuclear receptor structures. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2025.05.010
📚 CSBJ: https://www.csbj.org/
#AlphaFold2 #DrugDiscovery #AIinBiology #StructuralBiology #NuclearReceptors
Habr[Перевод] О прионах и дизайне белков
Зачастую крупные открытия в области биологии происходят при изучении крошечных существ. И многое из того, что мы сегодня считаем догмой, появилось благодаря изучению конкретных микроорганизмов. Эксперименты с бактерией Streptococcus pneumoniae не только привели к открытию ДНК как основной наследственной молекулы , но и позволили создать первые инструменты для генной инженерии. Изучение РНК опухолевых вирусов позволило обнаружить обратную транскриптазу — фермент, необходимый для изучения биологии РНК. Эти модельные микроорганизмы долгое время служили природными лабораториями, позволяя расшифровывать фундаментальные принципы жизни и предоставляя инструменты, необходимые для их изучения. Перейдя от микроорганизмов к макромолекулам, биология вступила в эру белков. Последние достижения в области искусственного интеллекта, включая такие инструменты, как нобелевский лауреат AlphaFold , сделали возможным предсказание структуры белков, превратив кропотливый лабораторный процесс в вычислительную задачу, которую можно решить за считанные минуты.
eLife🧪 May's most-read #Biochemistry paper used #AlphaFold2 to predict how proteins interact during egg development in fruit flies: https://elifesciences.org/articles/101967?utm_source=mastodon&utm_medium=social&utm_campaign=submissions_organic&utm_content=top_paper
Have a paper people should see? See what our Editors look for: https://elifesciences.org/about/aims-scope?utm_source=mastodon&utm_medium=social&utm_campaign=submissions_organic&utm_content=top_paper#biochemistry-and-chemical-biology
🧩 What happens when we put AlphaFold2’s predictions to the ultimate test—across species and structure types?
🔗 Comprehensive assessment of AlphaFold’s predictions of secondary structure and solvent accessibility at the amino acid-level in eukaryotic, bacterial and archaeal proteins. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2025.05.047
📚 CSBJ: https://www.csbj.org/
#AlphaFold #Bioinformatics #StructuralBiology #AlphaFold2 #ProteinStructure #ProteinPrediction #AI
🧬 How do AlphaFold2 and ESMFold stack up when it comes to functional annotation?
🔗 AlphaFold2 and ESMFold: A large-scale pairwise model comparison of human enzymes upon Pfam functional annotation. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2025.01.008
📚 CSBJ: https://www.csbj.org/
#AlphaFold2 #ESMFold #AIinScience #ProteinStructure #Enzymes #Pfam #UniProt #AlphaFold #HumanProteome #FunctionalAnnotation #AIinBiology #ComputationalBiology #FunctionalGenomics
MCDuncanLabNice study from @teresa_omeara & @maom in @biorxivpreprint
They used protein prediction to explore the poorly annotated Candida auris genome, and then used protein design to replace endogenous proteins with de novo designed ones.
Deep homology and design of proteasome chaperone proteins in Candida auris
A central tenet of biology is that protein structure mediates the sequence-function relationship. Recently, there has been excitement about the promise of advances in protein structure modeling to generate hypotheses about sequence-structure-function relationships based on successes with controlled benchmarks. Here, we leverage structural similarity to identify rapidly evolving proteasome assembly chaperones and characterize their function in the emerging fungal pathogen Candida auris. Despite the large sequence divergence, we demonstrate conservation of structure and function across hundreds of millions of years of evolution, representing a case of rapid neutral evolution. Using the functional constraints on structure from these naturally evolved sequences, we prospectively designed de novo chaperones and demonstrate that these artificial proteins can rescue complex biological processes in the context of the whole cell. ### Competing Interest Statement The authors have declared no competing interest. National Institutes of Health, https://ror.org/01cwqze88, R35GM147894, U19AI181767, T32GM149391, R35GM151129, 5F32CA261115, R35 GM118073 University of MichiganAnn Arbor, https://ror.org/00jmfr291, Postdoctoral pioneer fellowship
Socied@d ReticularPequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #alphafold2 #alphago #alphazero #aprendizajeAutomatico #articulo #artistas #aspirador #blakeLemoine #conferenciaDeDartmouth #copyright #deanEdmonds #deepBlue #deepface #deepmind #deviantart #eliza #facebook #gatos #genuineImpact #go #google #gps #gpt3 #grafico #hinton #ia #ibm #infografia #inteligenciaArtificial #irobot #jeopardy #kasparov #lamda #leeSedol #marvinMinsky #mccarthy #mccullock #midJourney #modelos #newell #openTech #openai #patrones #perceptron #pitts #plegamientoDeProteinas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #rochester #roomba #rosenblatt #rumelhart #shannon #shogi #simon #sistemaDeNavegacion #snar #stabilityAi #stableDiffusion #testDeTuring #turing #videos #watson #weizenbaum #williams #youtube
Forschungszentrum Jülich🧬 #Proteine: Bausteine des Lebens
Die 3D-Struktur von Proteinen allein aus ihrer Sequenz vorherzusagen, war lange ungelöst. 2020 schafften Demis Hassabis und John Jumper mit #AlphaFold2 den Durchbruch – ausgezeichnet mit dem #ChemieNobelpreis 2024. 🏆
🔍 Was macht AlphaFold2 🤖 so besonders? Alexander Schug vom @fzj_jsc erklärt es diese Woche bei #WissenschaftOnline.
👉 Infos & Login: https://www.fz-juelich.de/de/ueber-uns/kontakt/besuch/wissenschaft-online/alle-termine-wissenschaft-online/wo_prof_schug_jsc
