Leveraging AlphaFold 3 for Structural Modeling of Neurological Disorder-Associated Proteins: A Pathway to Precision Medicine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Accurate structural modeling of neurological disorder-causing proteins provides an important layer in unraveling the mechanism of disease and identifying therapeutic targets. This study utilizes AlphaFold 3, a state-of-the-art protein structure prediction platform, to model and interpret cis- and trans-pQTL-derived proteins associated with Alzheimer’s disease, Parkinson’s disease, and stroke. Using the NG00102 dataset, we created a high-resolution structure for more than 1,200 proteins expressed in Brain, CSF, and Plasma, providing tissue-specific protein structure analysis with associated functional implications. AlphaFold 3 predictions have illuminated key structure parameters including sequence length, average pLDDT confidence scores, and overall distribution of residues with confidence of >75% pLDDT. We used these features to determine the set of druggable proteins having optimal sequence lengths of 100-3000 residues, high structural reliability as evidenced by an average pLDDT > 80, and contain large regions of high-confidence residues. Tissue-specific mapping revealed unique mechanisms characterized by both cis and trans-pQTL effects, that have critical functional implications for how these genetic variants act in neurological disease pathways. Protein clusters by structural properties then led to more defined subgroups with potential implications for drug intervention. This integrated effort captures the strength of AlphaFold 3 in linking genetic variation to protein structure and function, providing a scalable pipeline for prioritizing therapeutic targets. Coupling our results with advanced predictive modeling and tissue-specific data sets provides a robust framework for uncovering new mechanisms and druggable targets in the research of Alzheimer’s, Parkinson’s, and stroke. This advances the field toward precision medicine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle