AlphaFold és fehérje rendezetlenség: a szerkezet becslés új generációja
A szerkezeti biokémia egyik legnagyobb kihívása a fehérjék térszerkezetének becslése az aminosav sorrend alapján. Ez az úgy nevezett folding probléma az elmúlt közel 60 évben rengeteg módszer fejlesztését motiválta. A legutóbbi, 2020-ban rendezett fehérje szerkezet becslő versenyen (CASP15) a DeepMind által fejlesztett AlphaFold nevű módszer eddig soha nem látott pontosságot ért el - sokak szerint lényegében megoldva a folding problémát. Bár az AlphaFold kétség kívül hatalmas előrelépés a tudomány terület számára, az eredeti célkitűzése szerint az általa célzott probléma csak egy jól körülhatárolt része a szerkezeti biokémiának: a fehérjék monomer, módosítás nélküli szerkezetének meghatározása. Ennek ellenére számos jel mutat arra, hogy az AlphaFold az eredeti céljával együtt számos más kapcsolódó problémát is megoldott, legalábbis részlegesen. Ezek közül az egyik a rendezetlen fehérjék felismerése. Mivel ezek a fehérjék stabil 3 dimenziós szerkezet nélkül látják el a sokszor kritikusan fontos biológiai funkcióikat, definíció szerint az AlphaFold fókuszán kívül vannak. Ennek ellenére az AlphaFold egy meglepően hatékony módszerként használható ezen fehérjék szekvencia-alapú azonosításában és a kölcsönhatásaik modellezésében, amely potenciálisan új fejezetet nyithat a rendezetlen fehérjék szerkezeti tulajdonságainak és funkcióinak vizsgálatában.
10:25 - 10:45: Vírusterjedés egy virtuális városban
Pandémia kezelésére különböző intézkedéseket vezethetnek be, mint például a társadalmi távolságtartás, tesztelés/karantén, vakcinázás. A COVID-19 (SARS-CoV-2) világjárványt számos ilyen, u.n. nem-gyógyszeres beavatkozással enyhítik. Nehéz megjósolni, hogy ezek közül a rendelkezések közül melyik a leghatékonyabb egy adott populáció esetében. Egy számítási szempontból hatékony és skálázható, ágens-alapú mikroszimulációs keretrendszert dolgoztunk ki, amely lehetővé teszi, különböző vírusváltozatok terjedése által okozott fertőzési hullámok szimulációját egy város méretű társadalmi környezetben. Modellünkkel megmutattuk, hogy a foglalkozási kockázati csoportokat előtérbe helyező vakcinázási stratégiák minimalizálják a fertőzések számát, de magasabb halálozást tesznek lehetővé, míg a veszélyeztetett csoportok előtérbe helyezése minimalizálja a halálozást, de megnövekedett fertőzési rátával jár. Azt is megállapítottuk, hogy az intenzív vakcinázás a nem gyógyszeres beavatkozásokkal együtt jelentősen visszaszoríthatja a vírus terjedését, míg az alacsony szintű vakcinázás, a korai újraindítása a társadalomnak könnyen visszafordíthatja a járványt a kontrollálatlan állapotba. Elemzésünk rávilágít arra, hogy míg a védőoltás megvédi az időseket a COVID-19-től, a gyermekek nagy százaléka megfertőződhet a vírussal. Ezeken felül, bemutatjuk a különböző karanténozási és tesztelése forgatókönyvek előnyeit és korlátait is.
10:45 - 11:05: Új terápiás célpontok azonosítása onkológiában nagy adatbázisok használatával
Győrffy Balázs (SE Bioinformatika Tanszék, TTK Enzimológia Intézet)
Új terápiás célpontok azonosítása onkológiában nagy adatbázisok használatával
Új terápiás célpontok azonosítása onkológiában nagy adatbázisok használatával
Onkológiai kezelések során mutációs és génexpressziós változások szolgálhatnak biomarkerként vagy terápiás célpontként. Ezek összekapcsolása egymással illetve nagy adatbázisokkal teszi lehetővé az egyes alcsoportokra vonatkozó elemzések végzését. Az előadás során egy fejlesztés alatt álló rendszert mutatunk be, amely különböző tumortípusok esetén képes egy "multi-omikai" elemzés végzésére.
