This is the future : using #alphafold to systematically screen and discover new protein-protein interactions

https://predictomes.org/

When submitting a manuscript with alphafold2-based predictions, what all should I provide as supplemental data?

I'm thinking the rank 1 model PDB and json file, and then for all of the models (5 in my case) the pae.png and plddt.png.

Would someone want to see more than this or less than this?

#AlphaFold #AlphaFold2 #StructurePredictions #DeepMind

Clearly, there is still much to learn about this corner of the dark genome defined by HEATR5 proteins and their co-factors.

#Biorxiv #Preprint #MembraneTraffic #DarkGenome #DarkProteome #RareDisease #AlphaFold #AlphaFold2 #ProteinPrediction #Golgi #Clathrin #CellBiology #biochemistry #Bioscience

Biochemical analysis revealed that Lft1 and Laa2 bind to Laa1 via the same interface. Following a suggestion by a colleague to try Alphafold2, we found that the two likely bind via a common mechanism, although the Lft1 interface is a little larger—something confirmed by our biochemical results.

#Alphafold #AlphaFold2 #ProteinPrediction

God Moves in Go are low & rare probabilistic game-changing positions that the AI cannot predict

Main Site: https://www.analyse.asia/the-future-of-generative-ai-in-southeast-asia-with-ong-peng-tsin/
Youtube Full Video: https://youtu.be/PzjCXj0rZnI
Newsletter Signup: https://www.analyse.asia/#/portal/signup

#alphafold #alphago #machinelearning #deepmind #ai #generativeai #artificialintelligence #reinforcementlearning #gochess #godmove

#AlphaFold and friends (credits Albert Vilella)

https://docs.google.com/spreadsheets/d/1ikiDyS1TcayyFcdfhywSHQCAwjM3IJOwFB7FGKl8wfc/edit?pli=1#gid=0

OpenFold, a fast, memory-efficient, and trainable implementation of AlphaFold2.

https://www.biorxiv.org/content/10.1101/2022.11.20.517210v3

#Science #ProteinStructure #StructuralBiology #MachineLearning #AlphaFold #OpenFold

Bugger !

Figure 6H of this paper (https://www.cell.com/molecular-cell/fulltext/S1097-2765(23)00508-7) vs my #alphafold prediction (with a much longer BRD4 C-ter fragment).

At the same time I have no experimental data 😂

#AlphaFold structure prediction shows that the hepaci-, pegi- and #pestiviruses likely share a novel molecular mechanism for #VirusEntry by membrane fusion, with implications for structure-guided #vaccine design @GroveLab @KamillaToon &co #PLOSBiology https://plos.io/3JTzK77

Ha ha ! I guess one of the #alphafold predictions is far better than all the others 😬

🚀 ChatGPT brought AI to the forefront, but let's focus on meaningful advancements. 🔍 AlphaFold is a game-changer! 🧬 It unlocks the mysteries of protein folding, leading to breakthroughs in medicine and biology. 🌱 Let's harness the power of AlphaTensa and AlphaFold for a brighter future! 💡 #AIforGood #AlphaTensa #AlphaFold #MedicalBreakthroughs

Went to check on how #DeepMind did at #CASP15 and discovered that #AlphaFold did not even enter. Instead, most of the participants used AlphaFold 2 or some variant. So DeepMind has revolutionized protein folding prediction. With all the hype around #AI, why do real gains like this get ignored in favor of toys?

In this work, we combine #crystallography, #cryoEM, #AlphaFold predictions, biochemical and mouse studies to unveil the 3D structure of vertebrate egg coat filaments and describe how cleavage of their #ZP2 subunit hardens the coat, establishing a permanent block to #polyspermy.

A very big thank you to all co-authors, collaborators, and funding bodies for making this possible!

Interesting perspective on the intersection of #cryoem, #alphafold and #precisionmedicine.
https://onlinelibrary.wiley.com/doi/10.1002/adbi.202300122 from
Jarmaine Davis at Meharry Medical College, Steven Damo at Fisk University and Antentor "AJ" Hinton at Vanderbilt University!

#AlphaFold is an amazing hypothesis generator

AlphaFold, la base de datos gratuita y abierta de estructuras de proteínas https://lasendadeapolo.blog/2022/08/06/la-base-de-datos-gratuita-y-abierta-de-estructuras-de-proteinas-alphafold/ Mediante inteligencia artificial (IA), la empresa británica DeepMind y el Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI) han conseguido realizar predicciones de las estructuras tridimensionales de casi todas las proteínas conocidas y catalogadas por la ciencia para ofrecerlas, de forma gratuita y abierta, en la base de datos de estructuras de proteínas AlphaFold.
Esta herramienta y base de datos de DeepMind, adquirida a su vez por Google en 2014, se ha ido desarrollando en los últimos años, pero la novedad ahora es que se amplía unas 200 veces, de casi un millón de estructuras de proteínas a más de 200 millones, cubriendo casi todos los organismos de la Tierra cuyo genoma ha sido secuenciado.
Esta actualización incluye estructuras proteicas predichas para multitud de especies, incluidas plantas, bacterias, animales y otros organismos, lo que abre nuevas vías de investigación en ciencias de la vida con impacto en desafíos globales, como la sostenibilidad, la falta de alimentos y enfermedades olvidadas, según informa el EMBL-EBI.
Además, este lanzamiento abrirá nuevas vías de investigación en bioinformática y computación, al permitir a los investigadores detectar patrones y tendencias en la base de datos. También se presentarán las estructuras predichas de las proteínas en UniProt (universal protein), un repositorio central de referencia #ciencia #proteinas #deepmind #ia #bioinformatica #alphafold

AlphaFold, la base de datos gratuita y abierta de estructuras de proteínas https://lasendadeapolo.blog/2022/08/06/la-base-de-datos-gratuita-y-abierta-de-estructuras-de-proteinas-alphafold/ Mediante inteligencia artificial (IA), la empresa británica DeepMind y el Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI) han conseguido realizar predicciones de las estructuras tridimensionales de casi todas las proteínas conocidas y catalogadas por la ciencia para ofrecerlas, de forma gratuita y abierta, en la base de datos de estructuras de proteínas AlphaFold.
Esta herramienta y base de datos de DeepMind, adquirida a su vez por Google en 2014, se ha ido desarrollando en los últimos años, pero la novedad ahora es que se amplía unas 200 veces, de casi un millón de estructuras de proteínas a más de 200 millones, cubriendo casi todos los organismos de la Tierra cuyo genoma ha sido secuenciado.
Esta actualización incluye estructuras proteicas predichas para multitud de especies, incluidas plantas, bacterias, animales y otros organismos, lo que abre nuevas vías de investigación en ciencias de la vida con impacto en desafíos globales, como la sostenibilidad, la falta de alimentos y enfermedades olvidadas, según informa el EMBL-EBI.
Además, este lanzamiento abrirá nuevas vías de investigación en bioinformática y computación, al permitir a los investigadores detectar patrones y tendencias en la base de datos. También se presentarán las estructuras predichas de las proteínas en UniProt (universal protein), un repositorio central de referencia #ciencia #proteinas #deepmind #ia #bioinformatica #alphafold

https://phys.org/news/2023-04-alphafault-high-schoolers-fabled-ai.html

#highschool #bioinformatics boot camp for #Skoltech turned into contest between humans and #AI; having earlier resolved a key 50-year-old problem of structural bioinformatics, the breakthrough program #AlphaFold proved inapplicable to another…

In the recent years, we have seen

#CryoEM revolution

#CRISPR genomic tagging for endogenous affinity purification revolution

#alphafold #AI revolution

Diffusion model #protein #design revolution

What a time to be in #Structuralbiology !!!

RT @thesteinegger
Explore our clustered #AlphaFold structural database with our new website by @milot_mirdita @clmgilchrist @jgyyy15. With it you can find clusters, filter members by taxonomy, browse similar clusters and search with Foldseek.
🌐 http://cluster.foldseek.com
📄 https://www.biorxiv.org/content/10.1101/2023.03.09.531927v1