Die Daten stammen aus dem PapierDe novo-Design von Peptidbindern für konformationell unterschiedliche Ziele mit kontrastiver Sprachmodellierung" (veröffentlicht in Science Advances im Januar 2025) alle Roh- und verarbeiteten Daten. Das vom Forschungsteam der Duke University veröffentlichte Papier entwickelte ein CLIP-basiertes Peptid-Prioritäts-Screening-Verfahren PepPrCLIP, mit dem kurze Proteine entwickelt werden können, die an bisher nicht medikamentös behandelbare pathogene Proteine binden und diese zerstören. Im Vergleich zu RFDiffusion, einer bestehenden Plattform, die Peptide mithilfe einer 3D-Zielstruktur generiert, ist PepPrCLIP schneller und erzeugt Peptide, die fast immer besser mit dem Zielprotein übereinstimmen.

Zitat

@misc{bhat_2024_13917484, Autor = {Bhat, Suhaas und Palepu, Kalyan und Hong, Lauren und Mao, Joey und Ye, Tianzheng und Iyer, Rema und Zhao, Lin und Chen, Tianlai und Vincoff, Sophia und Watson, Rio und Wang, Tian Z. und Srijay, Divya und Venkata, Srikar Kavirayuni und Kholina, Kseniia und Goel, Shrey und Vure, Pranay und Desphande, Aniruddha J. und Soderling, Scott H. und DeLisa, Matthew P. und Chatterjee, Pranam}, Titel = {De-novo-Design von Peptidbindern zu Konformationell diverse Ziele mit kontrastierenden Sprachmodellierung }, Jahr = 2024 Herausgeber = {Zenodo}, doi = {10.5281/zenodo.13917484}, url = {https://doi.org/10.5281/zenodo.13917484}, }