Исследование посвящено анализу эффективности современных методов глубокого обучения - ESMFold, AlphaFold2 (ColabFold) и RGN2 - в предсказании структуры белков, включая орфанные и синтетические типы, не имеющие аналогов в базах данных. Акцент сделан на способность моделей работать без информации о гомологах. Для анализа выбраны белки с различной длиной последовательностей и структурными особенностями. Оценка моделей проведена с использованием метрик RMSD и TM-score. Результаты показывают, что ESMFold обеспечивает лучшую точность и скорость предсказания, в то время как RGN2 демонстрирует низкую эффективность, особенно для белков с альфа-спиралями. Исследование подчеркивает значимость выбора подходящей модели для анализа различных типов белков.

Артемьев А.Д. (науч. рук. Кугаевских А.В.) Исследование моделей глубокого обучения для предсказания третичной структуры белка // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2024]. URL: https://kmu.itmo.ru/digests/article/12132