2024
Successor Sequence Predictor (SSP)
KHAN, Rayyan Tariq; Pavel KOHOUT; Miloš MUSIL; Monika ROSÍNSKÁ; Jiří DAMBORSKÝ et al.Základní údaje
Originální název
Successor Sequence Predictor (SSP)
Název anglicky
Successor Sequence Predictor (SSP)
Autoři
KHAN, Rayyan Tariq; Pavel KOHOUT; Miloš MUSIL; Monika ROSÍNSKÁ; Jiří DAMBORSKÝ; Stanislav MAZURENKO; David BEDNÁŘ a Jan VILÍM
Vydání
2024
Další údaje
Jazyk
čeština
Typ výsledku
Software
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Označené pro přenos do RIV
Ano
Kód RIV
RIV/00216224:14310/24:00139869
Organizační jednotka
Přírodovědecká fakulta
Klíčová slova anglicky
Protein engineering; protein; mutation; thermostability; activity; solubility; prediction; descriptor
Technické parametry
Doposud je využíváno interně oběma subjekty k výzkumným účelům.
Změněno: 28. 1. 2025 09:13, prof. Mgr. Jiří Damborský, Dr.
V originále
Successor Sequence Predictor je "in silico" metoda, která napodobuje laboratorní evoluci proteinů tím, že rekonstruuje evoluční historii proteinu a navrhuje budoucí záměny aminokyselin na základě trendů pozorovaných v historii prostřednictvím pečlivě vybraných fyzikálně-chemických deskriptorů. Tento přístup vylepšuje specializované proteiny předpovídáním mutací, které zlepšují požadované vlastnosti, jako je termostabilita, aktivita a rozpustnost. Successor Sequence Predictor lze tedy použít jako obecný nástroj proteinového inženýrství k vývoji prakticky využitelných proteinů. Kód nástroje Successor Sequence Predictor je k dispozici na serveru GitHub https://github.com/loschmidt/successor-sequence-predictor.
Anglicky
Successor Sequence Predictor is an in silico method that mimics laboratory-based protein evolution by reconstructing a protein’s evolutionary history and suggesting future amino acid substitutions based on trends observed in that history through carefully selected physicochemical descriptors. This approach enhances specialised proteins by predicting mutations that improve desired properties, such as thermostability, activity, and solubility. Successor Sequence Predictor can thus be used as a general protein engineering tool to develop practically useful proteins. The code of the Successor Sequence Predictor is available on GitHub https://github.com/loschmidt/successor-sequence-predictor.
Návaznosti
| FW03010208, projekt VaV |
|