PuSH - Publikationsserver des Helmholtz Zentrums München

Zaucha, J.* ; Softley, C. ; Sattler, M. ; Frishman, D.* ; Popowicz, G.M.

Deep learning model predicts water interaction sites on the surface of proteins using limited-resolution data.

Chem. Commun. 56, 15454-15457 (2020)
DOI
Open Access Green möglich sobald Postprint bei der ZB eingereicht worden ist.
We develop a residual deep learning model, hotWater (https://pypi.org/project/hotWater/), to identify key water interaction sites on proteins for binding models and drug discovery. This is tested on new crystal structures, as well as cryo-EM and NMR structures from the PDB and in crystallographic refinement with promising results.
Altmetric
Weitere Metriken?
[➜Einloggen]
Zusatzinfos bearbeiten [➜Einloggen]
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Korrespondenzautor
Schlagwörter Molecules; Design
ISSN (print) / ISBN 0009-241X
e-ISSN 1364-548X
Zeitschrift Chemical Communications
Quellenangaben Band: 56, Heft: 98, Seiten: 15454-15457 Artikelnummer: , Supplement: ,
Verlag Royal Society of Chemistry (RSC)
Verlagsort Thomas Graham House, Science Park, Milton Rd, Cambridge Cb4 0wf, Cambs, England
Nichtpatentliteratur Publikationen
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Structural Biology (STB)
Förderungen Sattler group
Popowicz group
Frishman group
Deutsche Forschungsgemeinschaft
European Union