Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

ProtGPT2 is a deep unsupervised language model for protein design

DOI zum Zitieren der Version auf EPub Bayreuth: https://doi.org/10.15495/EPub_UBT_00006968
URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-epub-6968-3

Titelangaben

Ferruz, Noelia ; Schmidt, Steffen ; Höcker, Birte:
ProtGPT2 is a deep unsupervised language model for protein design.
In: Nature Communications. Bd. 13 (2022) Heft 1 . - No. 4348.
ISSN 2041-1723
DOI der Verlagsversion: https://doi.org/10.1038/s41467-022-32007-7

Volltext

[thumbnail of s41467-022-32007-7.pdf]
Format: PDF
Name: s41467-022-32007-7.pdf
Version: Veröffentlichte Version
Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
Download (2MB)

Angaben zu Projekten

Projekttitel:
Offizieller Projekttitel
Projekt-ID
Open Access Publizieren
Ohne Angabe

Abstract

Protein design aims to build novel proteins customized for specific purposes, thereby holding the potential to tackle many environmental and biomedical problems. Recent progress in Transformer-based architectures has enabled the implementation of language models capable of generating text with human-like capabilities. Here, motivated by this success, we describe ProtGPT2, a language model trained on the protein space that generates de novo protein sequences following the principles of natural ones. The generated proteins display natural amino acid propensities, while disorder predictions indicate that 88% of ProtGPT2-generated proteins are globular, in line with natural sequences. Sensitive sequence searches in protein databases show that ProtGPT2 sequences are distantly related to natural ones, and similarity networks further demonstrate that ProtGPT2 is sampling unexplored regions of protein space. AlphaFold prediction of ProtGPT2-sequences yields well-folded non-idealized structures with embodiments and large loops and reveals topologies not captured in current structure databases. ProtGPT2 generates sequences in a matter of seconds and is freely available.

Weitere Angaben

Publikationsform: Artikel in einer Zeitschrift
Themengebiete aus DDC: 500 Naturwissenschaften und Mathematik > 500 Naturwissenschaften
500 Naturwissenschaften und Mathematik > 540 Chemie
500 Naturwissenschaften und Mathematik > 570 Biowissenschaften; Biologie
Institutionen der Universität: Fakultäten
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Chemie
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Chemie > Lehrstuhl Biochemie III - Proteindesign > Lehrstuhl Biochemie III - Proteindesign - Univ.-Prof. Dr. Birte Höcker
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Chemie > Professur Biochemie
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Chemie > Lehrstuhl Biochemie I - Proteinbiochemie der Signaltransduktion
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Chemie > Lehrstuhl Biochemie III - Proteindesign
Sprache: Englisch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-6968-3
Eingestellt am: 21 Apr 2023 08:59
Letzte Änderung: 21 Apr 2023 09:00
URI: https://epub.uni-bayreuth.de/id/eprint/6968

Downloads

Downloads pro Monat im letzten Jahr