Auf der Grundlage von Analysen verwandter Proteine gelang es den Forscherinnen und Forschern, strukturelle Zustände von Coronavirus-Proteinen vorherzusagen. 69% der Proteine konnten Funktionen zugeordnet werden, darunter sind drei Proteine, die notwendige körpereigene Proteine vorgaukeln und fünf weitere, die körpereigene Prozesse stören oder diese zweckentfremden.
Die Forschungsergebnisse helfen, die Coronamechanismen besser zu verstehen und wirksamere Therapien zu entwickeln.
Auf der Website Aquaria-COVID (https://aquaria.ws/covid) sind alle Strukturmodelle frei verfügbar.
Originalpublikation:
Sean I. O’Donoghue, Andrea Schafferhans, Neblina Sikta, Christian Stolte, Sandeep Kaur, Bosco K. Ho, Stuart Anderson, James B. Procter, Christian Dallago, Nicola Bordin, Matt Adcock, Burkhard Rost (2021). SARS-CoV-2 structural coverage map reveals viral protein assembly, mimicry, and hijacking mechanisms Molecular Systems Biology, Sept. 14, 2021 – DOI: 10.15252/msb.202010079
Quellen:
https://www.tum.de/en/about-tum/news/press-releases/details/36913
https://www.bionity.com/de/news/1172741/maschinelles-lernen-enthuellt-taktiken-des-sars-cov-2-virus.html