< Back to previous page

Project

A comprehensive model for protein aggregation and its application to the design of monoclonal antibodies and peptides for targeted aggregation

Eiwitaggregatie, het proces waarbij polypeptides hoge-orde homotypische interacties vormen, speelt een belangrijke rol in gezonde fysiologie en in ziekte. Functionele amyloiden bestaan in zowel prokaryoten als eukaryoten, incluis de mens, maar neergeslagen eiwit aggregaten in weefsels van patienten zijn het klinisch kenmerk van meer dan 30 menselijke ziektes, en ongewenste eiwit aggregatie is een belangrijk risico voor de therapeutische toepassing van eiwitten. Dankzij intensief onderzoek gedurende en nieuwe experimentele technieken, heeft het veld opmerkelijke vooruitgang geboekt in het begrip van de moleculaire mechanismen van eiwit aggregatie. In de computer wetenschappen aan de andere kant, zijn waren er grote verbeteringen in de modellering van complexe biologische systemen. In het bijzonder artificiele intelligentie heeft veel attentie gekregen. Met dit projectvoorstel wil ik profiteren van de vooruitgang in beide velden om een algemeen wiskundig model te construeren voor de predictie van eiwitaggregatie met een precisie die beter is dan wat vooraf ging. In het finale deel van het project wil ik de nieuwe predictor gebruiken om de ontwikkeling van verbeterde monoclonale antilichamen en van peptides voor doelgerichte aggregatie.
Date:1 Oct 2020 →  30 Sep 2021
Keywords:Protein aggregation, Machine learning, Neural Networks, Peptide design, in silico mutagenesis
Disciplines:Proteins