Engineering recombinant proteins: from structure to function and biological activity

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The article discusses the development of recombinant protein engineering, primarily artificial proteins or de novo proteins, from the creation of the first proteins with a given spatial structure and biological activity to modern work in this area, which widely uses machine learning and artificial intelligence methods. The use of these methods, in particular the Rozetta and AlphaFold computer platforms, has led to tremendous progress in this area, as evidenced by last year’s Nobel Prize in Chemistry. Currently, these methods should be recommended for use in any modern laboratory conducting work on the physical chemistry of proteins and protein engineering.

Sobre autores

D. Dolgikh

Shemyakin-Ovchinnikov Institute of Bioorganic Chemistry RAS; Lomonosov Moscow State University

Email: dolgikh@nmr.ru
Moscow, Russia; Moscow, Russia

Bibliografia

  1. Долгих Д.А., Федоров А.Н., Чемерис В.В. и др. Получение и исследование альбебетина, искусственного белка с заданной пространственной структурой // Доклады АН. 1991. Т. 320. С. 1266–1269. Dolgikh D.A., Fedorov A.N., Chemeris V.V. et al. Production and study of albebetin, an artificial protein with a given spatial structure // Reports of the Academy of Sciences. 1991, vol. 320, pp. 1266–1269.
  2. Bychkova V.E., Dolgikh D.A., Balobanov V.A. et al. The Molten Globule State of a Globular Protein in a Cell Is More or Less Frequent Case Rather than an Exception // Molecules. 2022, vol. 27, no. 4361.
  3. Kuhlman B., Dantas G., Ireton G.C. et al. Design of a novel globular protein fold with atomic-level accuracy // Science, 2003, vjl. 302, pp. 1364–1368.
  4. Chevalier A., Silva D.-A., Rocklin G.J. et al. Massively parallel de novo protein design for targeted therapeutics // Nature, 2017, vol. 550, pp. 74–79.
  5. Wallace H.M., Yang H., Tan S. et al. De novo design of peptides that bind specific conformers of α-synuclein // Chemical Science, 2024, vol. 15, pp. 8414–8421.
  6. Jumper J., Evans R., Pritzel A. et al. Highly accurate protein structure prediction with AlphaFold // Nature, 2021, vol. 596, pp. 583–589.
  7. Finkelstein A.V., Ivankov D.N. Protein 3D Structure Identification by AlphaFold: a Physics-Based Prediction or Recognition Using Huge Databases? // Journal of Molecular Biology, 2024, vol. 6, pp. 1–10.
  8. Chakravarty D., Porter L.L. AlphaFold2 fails to predict protein fold switching // Protein Science, 2022, vol. 31, e4353.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML

Declaração de direitos autorais © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».