项目名称: 金属蛋白质分子的量子理论计算研究

项目编号: No.10974054

项目类型: 面上项目

立项/批准年度: 2010

项目学科: 数理科学和化学

项目作者: 张增辉

作者单位: 华东师范大学

项目金额: 34万元

中文摘要: 量子力学理论和计算方法在生物大分子领域的应用是当前的研究热点之一。本项目致力于研究如何把量子理论实际应用到金属蛋白的研究领域。由于金属离子与多个氨基酸形成配位键作用,使得原本线性的蛋白质化学键连接变成了网状的结构,并且在动力学过程中(如蛋白质构象变化中),该网状结构是动态变化的。这就使得常用的经典分子力场方法无法正确的描述和处理含有金属的蛋白质内部的相互作用,构象变化和其他动力学性质。本研究项目立足于量子力学基本原理,发展切实可行的计算方法,把蛋白质大分子用分块方法来分开描述,准确计算蛋白-金属成键和断键过程中的电荷转移,发展针对金属配位的可极化电荷,和蛋白质整体的极化电荷组合在一起,用来精确描述金属蛋白的相互作用,构象变化,动力学性质,蛋白质折叠等生物大分子研究中的关键问题。本项目的成功,将为更定量更可靠的了解蛋白质结构、功能和动力学性质,以及预测和设计新的蛋白质提供重要的理论计算工具。

中文关键词: 金属蛋白;极化力场;电荷转移;锌蛋白;金属配位

英文摘要:

英文关键词: metalloprotein;polarizable force field;charge transfer;zinc protein;metal coordination

成为VIP会员查看完整内容
0

相关内容

Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
130+阅读 · 2021年9月20日
专知会员服务
39+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年5月7日
【经典书】计算理论导论,482页pdf
专知会员服务
77+阅读 · 2021年4月10日
量子信息技术研究现状与未来
专知会员服务
38+阅读 · 2020年10月11日
人工智能预测RNA和DNA结合位点,以加速药物发现
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
46+阅读 · 2021年10月4日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
25+阅读 · 2018年8月19日
小贴士
相关主题
相关VIP内容
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
130+阅读 · 2021年9月20日
专知会员服务
39+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年5月7日
【经典书】计算理论导论,482页pdf
专知会员服务
77+阅读 · 2021年4月10日
量子信息技术研究现状与未来
专知会员服务
38+阅读 · 2020年10月11日
相关基金
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
46+阅读 · 2021年10月4日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
25+阅读 · 2018年8月19日
微信扫码咨询专知VIP会员