Analysing ConformationalEnsembles using Machine Learning
G-protein coupled receptors are involved in many diseases and act as target for severalpharmaceutical drugs. To develop methods to understand the dynamics of proteinsinvolved in the communication through the cell membrane is therefore crucial. In thisstudy, data from molecular dynamics trajectories...
Main Author: | |
---|---|
Format: | Others |
Language: | English |
Published: |
KTH, Skolan för teknikvetenskap (SCI)
2018
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-231781 |
id |
ndltd-UPSALLA1-oai-DiVA.org-kth-231781 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-UPSALLA1-oai-DiVA.org-kth-2317812019-02-19T06:03:01ZAnalysing ConformationalEnsembles using Machine LearningengAnalys av Konformationella Ensembler med hjälp av MaskininlärningFriberg, ChristinKTH, Skolan för teknikvetenskap (SCI)2018Engineering and TechnologyTeknik och teknologierG-protein coupled receptors are involved in many diseases and act as target for severalpharmaceutical drugs. To develop methods to understand the dynamics of proteinsinvolved in the communication through the cell membrane is therefore crucial. In thisstudy, data from molecular dynamics trajectories of the !2-adrenergic receptor were studiedwith the aim to train a neural network to identify the receptor due to its bindingmechanism. Represented as conformational ensembles, the protein was examined to identifythe binding state of the receptor based on determinants of its conformation. Thethesis demonstrate that this conceptually simple method can be used to computationallyanalyze the molecular response on drug binding. G-proteinkopplade receptorer är delaktiga i flertalet sjukdomar och agerar måltavla förett stort antal läkemedel. Att utveckla metoder för att bättre förstå dynamiken hos deproteiner som sköter kommunikationen över cellens membran är därför mycket viktigt. Idenna studie analyseras data från molekyldynamiska simuleringar av !2-adrenergena receptorermed syfte att låta ett neuralt nätverk lära sig identifiera receptorn med avseendepå dess bindningsmekanism. Proteinet studerades som konformationella ensembler föratt hitta receptorns olika bindningstillstånd. Studien visar att denna konceptuellt enklametod kan användas för att analysera den komplexa molekylära process som sker vidläkemedelsbindning. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-231781TRITA-SCI-GRU ; 2018-152application/pdfinfo:eu-repo/semantics/openAccess |
collection |
NDLTD |
language |
English |
format |
Others
|
sources |
NDLTD |
topic |
Engineering and Technology Teknik och teknologier |
spellingShingle |
Engineering and Technology Teknik och teknologier Friberg, Christin Analysing ConformationalEnsembles using Machine Learning |
description |
G-protein coupled receptors are involved in many diseases and act as target for severalpharmaceutical drugs. To develop methods to understand the dynamics of proteinsinvolved in the communication through the cell membrane is therefore crucial. In thisstudy, data from molecular dynamics trajectories of the !2-adrenergic receptor were studiedwith the aim to train a neural network to identify the receptor due to its bindingmechanism. Represented as conformational ensembles, the protein was examined to identifythe binding state of the receptor based on determinants of its conformation. Thethesis demonstrate that this conceptually simple method can be used to computationallyanalyze the molecular response on drug binding. === G-proteinkopplade receptorer är delaktiga i flertalet sjukdomar och agerar måltavla förett stort antal läkemedel. Att utveckla metoder för att bättre förstå dynamiken hos deproteiner som sköter kommunikationen över cellens membran är därför mycket viktigt. Idenna studie analyseras data från molekyldynamiska simuleringar av !2-adrenergena receptorermed syfte att låta ett neuralt nätverk lära sig identifiera receptorn med avseendepå dess bindningsmekanism. Proteinet studerades som konformationella ensembler föratt hitta receptorns olika bindningstillstånd. Studien visar att denna konceptuellt enklametod kan användas för att analysera den komplexa molekylära process som sker vidläkemedelsbindning. |
author |
Friberg, Christin |
author_facet |
Friberg, Christin |
author_sort |
Friberg, Christin |
title |
Analysing ConformationalEnsembles using Machine Learning |
title_short |
Analysing ConformationalEnsembles using Machine Learning |
title_full |
Analysing ConformationalEnsembles using Machine Learning |
title_fullStr |
Analysing ConformationalEnsembles using Machine Learning |
title_full_unstemmed |
Analysing ConformationalEnsembles using Machine Learning |
title_sort |
analysing conformationalensembles using machine learning |
publisher |
KTH, Skolan för teknikvetenskap (SCI) |
publishDate |
2018 |
url |
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-231781 |
work_keys_str_mv |
AT fribergchristin analysingconformationalensemblesusingmachinelearning AT fribergchristin analysavkonformationellaensemblermedhjalpavmaskininlarning |
_version_ |
1718980394289725440 |