ProAl: een krachtige software voor het voorspellen van eiwitstructuren

ProAl is software voor het voorspellen van de eiwitstructuur die een combinatie van machine learning-algoritmen en structurele bio-informatica-instrumenten gebruikt om de driedimensionale structuur van eiwitten te voorspellen op basis van hun aminozuursequentie. Het is ontwikkeld door de Universiteit van Californië, San Diego en wordt veel gebruikt op het gebied van het voorspellen van de eiwitstructuur. ProAl gebruikt een tweefasenbenadering voor het voorspellen van de eiwitstructuur. In de eerste fase gebruikt het een machine learning-algoritme genaamd "profile-based" om de secundaire structuur (dat wil zeggen de lokale rangschikking van aminozuren) van het eiwit te voorspellen. In de tweede fase gebruikt het een ander machine learning-algoritme genaamd 'template-based' om de tertiaire structuur (dat wil zeggen de algehele 3D-vorm) van het eiwit te voorspellen op basis van de voorspelde secundaire structuur. ProAl kan worden gebruikt om de structuren van zowel oplosbare als membraaneiwitten, en is toegepast op een breed scala aan eiwitsystemen, waaronder enzymen, receptoren en virale eiwitten. Het is een nuttig hulpmiddel voor onderzoekers die de functie en dynamiek van eiwitten bestuderen, maar ook voor de ontdekking en ontwikkeling van geneesmiddelen.