데이터 과학

단백질 구조 뷰어 프로그램 pymol은 델라노사이언티픽에 의해서 상업화된 오픈 소스, 사용자지원의 분자시각화 시스템입니다.  https://pymol.org/ PyMOL | pymol.orgOr install from the Schrodinger Anaconda Channel. conda install -c conda-forge -c schrodinger pymol-bundle=2.6pymol.org       다운로드하고 설치하면 됩니다.     설치가 끝나고 나면 이전에 알파폴드에서 단백질구조 분석을 했던 파일을 찾아서 압축을 풀어 봅니다.  서열은 NCBI에서 PspGI methyltransferase를 검색해서 찾아낸 서열이며 이를 코랩폴드에서 작업한 결과를 첨부 파일로 올립니다. >pdb|2FQ..

Chou and Fasman (CF) 방법은 오래전에 연구된 단백질 구조 예측을 위한 방법입니다. 1974년에 연구된 이 방법은 아미노산의 특성을 연구하여 확률적으로 단백질 구조 결과를 나타냅니다. https://pubs.acs.org/doi/10.1021/bi00699a002 버지니아 대학에서 FASTA 서열을 입력하여 CF 결과를 나타내는 사이트를 제공합니다. https://fasta.bioch.virginia.edu/fasta_www2/fasta_www.cgi?rm=misc1 Misc Protein Analysis fasta.bioch.virginia.edu 위 사이트에 아래 FASTA 예제를 입력해 봅시다. >AYV99761.1 spike [SARS coronavirus Urbani] MFIFLL..

이번 자료는 알파폴드 실습하기입니다. Bric에 올라론 자료를 보고 PC에 알파폴드를 설치하려고 하면 엄청난 데이터베이스의 크기와 GPU를 탑재해서 시스템을 운영해야 하는 문제로 고민이 많습니다. 알파폴드는 딥러닝 알고리즘인 CNN을 기반으로 운영되기에 적당한 수준의 그래픽카드가 필요합니다. 노트북에서는 운용이 어렵겠죠. 구글 코랩에서 사용할 수 있게 만들어 놓은 프로그램이 있습니다. 코랩폴드입니다. 구글 계정으로 로그인이 가능하다면 다음 링크를 접속합니다. https://colab.research.google.com/github/sokrypton/ColabFold/blob/main/AlphaFold2.ipynb 코랩폴드에 대한 자세한 논문은 다음 링크에 있습니다. https://www.nature.co..

단백질 구조 예측은 20년 전인 2000년대 초반부터 연구했던 분야입니다.  그 당시에는 일반적인 인공지능 알고리즘으로 분석을 진행했는데, 예측률이 78% 정도에서 예측이 되었습니다.  예측률에 대한 한계점이 있었습니다. 단백질 구조 예측은 생명정보학에 있어서 아주 중요한 분야이며 인류 질병 문제를 해결할 수 있는 획기적인 방법입니다.  구글에서 단백질구조 예측을 전문으로 하는 회사로 만들었다는 이야기가 들리지요.  아미노산의 폴딩으로 인한 질병들의 원인과 원리를 파악하여 치료제를 만들어 낼 수 있겠지요.  질병 치료에 획기적인 방법을 만들어 낼 수 있습니다.  이에 대해 연구한 논문들이 있는데 그 논문은 2018년에 일본 쓰쿠바대학에서 발표한 내용이 있습니다.  RS126 데이터를 활용한 단백질 구조 ..