Протеин мутант вей: Mutant Whey — цена: 5498 руб. — купить сывороточный протеин недорого в Москве

Mutant Whey 10lb, мутант вей протеин, спортивное питание, производитель Fit Foods, упаковка банка 4540 гр

Видео обзор Mutant Whey во вкладке слева:

Отличительные особенности:

Mutant Whey содержит уникальный 5-компонентный сывороточный протеин, который позволяет поддерживать положительный азотистый баланс и наращивать мышцы.

Данный продукт разрабатывался в течение 28 месяцев!

Он полностью соответствует стандартам GMP (Стандарт GMP («Good Manufacturing Practice», надлежащая производственная практика) — система норм, правил и указаний в отношении производства: лекарственных средств, медицинских устройств, изделий диагностического назначения, продуктов питания, пищевых добавок, активных ингредиентов.)

Основные действующие компоненты Mutant Whey:

1. Nitroserum™-запатентованный комплекс, включающий в себя фильтрованный концентрат сывороточного белка и комплекс липидов. Он равномерно усваивается и стимулирует работу гормональной системы, позволяя вам становиться больше и сильнее.

2. Микрофильтрованный концентрат сывороточного белка, который быстро усваивается и содержит минимум лактозы. Он содержит большое количество иммуноглобулинов и благодаря этому его прием положительно воздействует на работу иммунной системы.

3. Изолят сывороточного белка, полученный путем низкотемпературной обработки. Быстро усваивается и практически не содержит лактозу.

4. ActiNOS® — это запатентованная формула, которая содержит био-активные пептиды сывороточного белка, стимулирует образование окиси азота (NO) и обеспечивает поступление повышенного количества ВСАА в мышцы.

5. Гидролизованный изолят сывороточного белка. Содержит большое количество ди-, три- и олигопептидов, бета-лактоглобулин, альфа-лактальбумин, сывороточный альбумин и иммуноглобулины необходимые для роста мышц.

6. Комплекс пищевых волокон, которые позволяют белковым составляющим Mutant Whey последовательно включаться в работу для получения максимальной отдачи от приема продукта.

Помимо всего прочего Mutant Whey не содержит аспартам, прекрасно размешивается и обладает удивительно приятным вкусом.

Применение Mutant Whey:

Разведите 1 мерную ложку продукта (36 грамм) в 150-300 мл воды, молока или сока по Вашему вкусу. Рекомендуемое количество порций в день – 1-3, в зависимости от массы тела, интенсивности тренировок, общего потребления белковой пищи и калорийности рациона. Оптимальное время приема – утро после пробуждения, время перед тренировкой, 30-40 минут после тренировки. Можно добавлять данный продукт в утреннюю кашу и прочие блюда по Вашему усмотрению для увеличения процентного содержания белка в рационе. Общее дневное потребление белка для ведущих активный образ жизни людей, рекомендуется от 1,5-2 грамм на 1 кг массы тела.

Состав на порцию: 36 гр.

Калорийность: 140 ккал.

Белок: 22 гр.

Тип белка: NitroSerum™ (уникальный комплекс -фильтрованный концентрат сывороточного белка/ комплекс фосфолипидов), микрофильтрованный концентрат сывороточного белка, изолят сывороточного белка полученный путем низкотемпературной обработки, ActiNOS® — био-активные пептиды гидролизованного сывороточного изолята, гидролизованный изолят сывороточного белка

Жиры: 3 гр.

Холестерин: 30 мг.

Углеводы: 6 гр.

Сахар: 2 гр.

Натрий: 140 мг.

Кальций: 5% от суточной нормы

Калий: 230 мг.

Железо: 5% от суточной нормы

Типичный аминокислотный профиль:

Незаменимые аминокислоты:

Триптофан: 700 мг.

Валин: 2400 мг.

Треонин: 2800 мг.

Изолейцин: 2600 мг.

Лейцин: 4800 мг.

Лизин: 4000 мг.

Фенилаланин: 1300 мг.

Метионин: 1100 мг.

Условно незаменимые аминокислоты:

Аргинин: 800 мг.

Цистин: 1100 мг.

Тирозин: 1500 мг.

Гистидин: 700 мг.

Пролин: 2600 мг.

Глютамин и его прекурсоры: 7600 мг.

Заменимые аминокислоты:

Аспарагиновая кислота: 4400 мг.

Серин: 2200 мг.

Глицин: 1200 мг.

Аланин: 2300 мг.

Ингредиенты Mutant Whey: NitroSerum™ (уникальный комплекс -фильтрованный концентрат сывороточного белка/ комплекс фосфолипидов), микрофильтрованный концентрат сывороточного белка, изолят сывороточного белка полученный путем низкотемпературной обработки, ActiNOS® — био-активные пептиды гидролизованного сывороточного изолята, гидролизованный изолят сывороточного белка, инулин, ксантиновая камедь, овес, экстракт соевых бобов, пептиды глютамина (из гидролизованного пшеничного глютена), свекольный экстракт, карбоксиметилцеллюлоза, лимонная кислота, натуральный и искусственный ароматизаторы, калия цитрат, ацесульфам-калия, сукралоза, соевый лецитин.

Примечание Mutant Whey:  Рекомендованная суточная норма указана исходя из калорийности рациона – 2000 ккал. Калорийность может быть увеличена или уменьшена в соответствии с потребностями.

Протеин Mutant Whey — PVL

Этот сайт использует файлы cookie для предоставления услуг, настройки рекламы и анализа трафика
Используя этот сайт, вы соглашаетесь с данными условиями.
Больше информации

Toggle Nav

Меню

Настройки

Mutant Whey —  это пятиуровневый сывороточный протеин, способствующий росту мышечной массы и увеличивающий удержание азота. Содержит мембранно отфильтрованный и микрофильтрованный сывороточный концентрат, также обработанный холодным методом изолят и биоактивные пептиды изолята сыворотки. Обогащен глютамином и ВСАА.

2069,00 грн
2069,00 грн
Самая низкая цена за последние 30 дней
2069,00 грн
Рекомендованная розничная цена

Кол-во

ПодробнееИнформация о продуктеОтзывы 208Варианты продуктаВопрос о продукте

Mutant Whey — уникальный 5-уровневый сывороточный протеин, способствующий росту мышц и увеличивающий удержание азота. Это первый в мире протеин, который использует специальные типы белка, каждый из которых обладает уникальными свойствами. Его специфичность заключается в том, что он достигает каждого рецептора отдельно, тем самым обеспечивая уникальную доставку питательного материала в целевые клетки. Этот протеин богат BCAA и глютамином, важными анаболическими компонентами.

Составляющие протеина Mutant Whey

NITROSERUMTM — новая форма сыворотки которая обеспечит ускоренный рост мышц и повысит секрецию гормона роста. Так как изолят сыворотки быстро впитывается и может быть не полностью абсорбирован, NITROSERUMTM поглощает эти белки с равномерной быстротой, что обеспечивает постепенное снабжение мышц питательными веществами. Он содержит природные фосфолипиды и факторы роста (IGF-1, IGF-2), способствующие росту мышц. С WHEY Mutant вы почувствуете, как ваше тело увеличивает силу и объем!

ActiNOS представляет собой гидролизованный сывороточный белок с биоактивной изоляцией пептидов. Изготовлен запатентованным методом, который быстро стимулирует NOS (синтез оксида азота) до 950%. Это улучшает кровообращение и обеспечивает лучшее питание ваших мышц!

Гидролизованный протеин Whey содержит биологически активные вещества, такие как Di, Tri и Oligo пептиды, бета-лактоглобулин, альфа-лактальбумин, сывороточный альбумин и иммуноглобулины. Это новый «платиновый стандарт», намного лучший, чем традиционный сывороточный изолят.

Комплекс контроля содержит комплекс клетчатки, которая помогает улучшить поглощение аминокислот, чем усиливает способность рецепторов поглощать все элементы сыворотки

Преимущества Mutant Whey

• содержит 5 видов сывороточных белков
• вызывает экстремальный синтез белка
• усиленный огромной дозой глютамина
• не содержит аспартам, в качестве подсластителя используется сукралоза  
• имеет легкий и кремовый вкус
• имеет низкий уровень лактозы
• максимально быстро и хорошо поглощается
• имеет высокую усвояемость

Состав

Вкус тройной шоколад: сывороточная протеиновая смесь (сывороточный протеиновый концентрат (молоко), концентрат фосфолипидов сывороточного протеина (молоко), ‌сывороточный протеиновый изолят (молоко), гидролизованный сывороточный протеин (молоко), порошок триглицерида со средней длиной цепи (фракционированное кокосовое масло, мальтодекстрин), какао, инулин‌, загуститель (гуарановая камедь), ‌натуральный и искусственный ароматизатор‌, эмульгатор (летицин из подслонченика или сои), соль, подсластители (сукралоза, ацесульфам калия, экстракт листов стевии) ) оксид кремния, выразитель аромата (цитрат калия), корица, ферменты (лактаза, проетаза).  

Вкус ванильное мороженое: сывороточная протеиновая смесь (сывороточный протеиновый концентрат (молоко), концентрат фосфолипидов сывороточного протеина (молоко), ‌сывороточный протеиновый изолят (молоко), гидролизованный сывороточный протеин (молоко), порошок триглицерида со средней длиной цепи (фракционированное кокосовое масло, мальтодекстрин), загуститель (гуарановая камедь), ‌натуральный и искусственный ароматизатор‌, эмульгатор (летицин из подслонченика или сои), соль, подсластители (сукралоза, ацесульфам калия, экстракт листов стевии) ) оксид кремния, выразитель аромата (цитрат калия), корица, ферменты (лактаза, проетаза). 

Вкус печенье: сывороточная протеиновая смесь (сывороточный протеиновый концентрат (молоко), концентрат фосфолипидов сывороточного протеина (молоко), ‌сывороточный протеиновый изолят (молоко), гидролизованный сывороточный протеин (молоко), порошок триглицерида со средней длиной цепи (фракционированное кокосовое масло, мальтодекстрин), печенье (обогащенный пшеничной мукой [пшеничная мука, ниацин, восстановленное железо, тиамин, мононитрат, рибофлавин, фолиевая кислота], сахар, каноловое масло, какао, соль, бикарбонат натрия), загуститель (гуарановая камедь), ‌ ‌натуральный и искусственный ароматизатор‌, эмульгатор (летицин из подслонченика или сои), соль, подсластители (сукралоза, ацесульфам калия, экстракт листов стевии) ) оксид кремния, выразитель аромата (цитрат калия), корица, ферменты (лактаза, проетаза).  

Вкус клубника: сывороточная протеиновая смесь (сывороточный протеиновый концентрат (молоко), концентрат фосфолипидов сывороточного протеина (молоко), ‌сывороточный протеиновый изолят (молоко), гидролизованный сывороточный протеин (молоко), порошок триглицерида со средней длиной цепи (фракционированное кокосовое масло, мальтодекстрин), загуститель (гуарановая камедь), краситель (порошок свеклы), кислота (лимонная кислота), натуральный и искусственный ароматизатор‌, эмульгатор (летицин из подслонченика или сои), соль, подсластители (сукралоза, ацесульфам калия, экстракт листов стевии) ) оксид кремния, выразитель аромата (цитрат калия), корица, ферменты (лактаза, проетаза). 

Вкус шоколадный брауни: сывороточная протеиновая смесь (сывороточный протеиновый концентрат (молоко), концентрат фосфолипидов сывороточного протеина (молоко), ‌сывороточный протеиновый изолят (молоко), гидролизованный сывороточный протеин (молоко), порошок триглицерида со средней длиной цепи (фракционированное кокосовое масло, мальтодекстрин), какао‌, загуститель (гуарановая камедь), натуральный и искусственный ароматизатор‌, эмульгатор (летицин из подслонченика или сои), соль, подсластители (сукралоза, ацесульфам калия, экстракт листов стевии) ) оксид кремния, растворимый кофе, выразитель аромата (цитрат калия), корица, ферменты (лактаза, проетаза).  

Дозировка

Сначала добавьте 175–250 мл холодной воды в шейкер (или блендер), а затем добавьте 1 порцию MUTANT WHEY. Энергично встряхните или перемешайте в течение 10-15 секунд. Принимайте утром после пробуждения, после тренировки и перед сном.

Таблица пищевой ценности

Предупреждение

Информация для аллергиков: Аллергенные компоненты выделены жирным шрифтом. Изготавливается на заводе, перерабатывающем пшеничные и рыбные ингредиенты.

Информация о продукте

Производство	Соединенные Штаты
Без пластмассовой упаковки	Нет
Высота	12.50 см
Ширина	34.00 см
Длина	32.00 см
Вес Брутто	2.38 кг
Ароматическая группа	шоколад
Количество штук в упаковке	6 pc.
Количество штук на поддоне	270 pc.
Вес Нетто	2. 27 кг
HS код	18069070: — Prípravky na výrobu nápojov obsahujúce kakao
EAN	627933210551
Без искусственных подсластителей	Нет
Дистрибьютор	GymBeam, s.r.o. Rastislavova 93, 04001 Slovakia
Без ГМО	Нет
Метод обработки белка	Другой способ
Источник белка	Многокомпонентный
Био	Нет
Без глютена	Да
Без лактозы	Нет
Вегетарианский	Да
Веганский	Нет
Смесь	Смесь
Форма	Порошок
Юридическая категория продукта	Специальная пищевая добавка
Главная категория	Протеиновые концентраты
Прочие категории	Протеины Протеин для набора массы Сывороточные протеины Многокомпонентные сывороточные протеины Безглютеновые продукты Вегетарианские продукты

Предупреждение:

Храните в сухом месте и защищайте от тепла.

Write Your Own Review

Вкус

шоколадный брауни

кремовое печенье

клубничный крем

тройной шоколад

ваниль

ванильное мороженое

Продукт:Протеин Mutant Whey — PVL
Ваша оценка

Качество

1 star

2 stars

3 stars

4 stars

5 stars

Имя пользователя

Оценка

Подпишитесь на рассылку новостей

Вопросы от клиентов

Добавить вопрос

Имя вопроса

Отправьте мне уведомление, когда ответите на мой вопрос

Написать ответ

Имя ответа

Оценка влияния мутаций на белок-белковые взаимодействия с использованием глубокого контекстуального обучения представлению

. 2020 июнь;2(2):lqaa015.

doi: 10.1093/nargab/lqaa015.

Epub 2020 5 марта.

Гуанъюй Чжоу
¹
, Мухао Чен
¹

2
, Челси JT Ju
¹
, Чжэн Ван
¹
, Цзюнь-Ю Цзян
¹
, Вэй Ван
¹

Принадлежности

• ¹ Факультет компьютерных наук, Калифорнийский университет, Лос-Анджелес, Калифорния

  , США.

• ² Факультет компьютерных и информационных наук Пенсильванского университета, Филадельфия, Пенсильвания 19104, США.

• PMID:

  32166223

• PMCID:

  PMC7059401

• DOI:

  10.1093/наргаб/lqaa015

Бесплатная статья ЧВК

Гуанъюй Чжоу и др.

НАР Геном Биоинформ.

2020 9 июня0003

Бесплатная статья ЧВК

. 2020 июнь;2(2):lqaa015.

doi: 10.1093/nargab/lqaa015.

Epub 2020 5 марта.

Авторы

Гуанъюй Чжоу
¹
, Мухао Чен
¹

2
, Челси JT Ju
¹
, Чжэн Ван
¹
, Цзюнь-Ю Цзян
¹
, Вэй Ван
¹

Принадлежности

• ¹ Факультет компьютерных наук, Калифорнийский университет, Лос-Анджелес, Калифорния

  , США.

• ² Факультет компьютерных и информационных наук Пенсильванского университета, Филадельфия, Пенсильвания 19104, США.

• PMID:

  32166223

• PMCID:

  PMC7059401

• DOI:

  10.1093/наргаб/lqaa015

Абстрактный

Функциональное влияние белковых мутаций отражается на изменении конформации и термодинамики белок-белковых взаимодействий (PPI). Количественная оценка изменений двух взаимодействующих белков при мутациях обычно осуществляется с помощью вычислительных подходов. Следовательно, были предприняты обширные исследовательские усилия для извлечения энергетических или структурных характеристик белков с последующим применением методов статистического обучения для оценки влияния мутаций на свойства ИПП. Тем не менее, для получения таких признаков требуются значительные человеческие усилия и экспертные знания, и они имеют ограниченные возможности для отражения точечных мутаций. Мы представляем комплексную структуру глубокого обучения MuPIPR (эффекты мутаций в прогнозировании взаимодействия белок-белок с использованием контекстуализированных представлений) для оценки влияния мутаций на ИПП. MuPIPR включает механизм контекстуального представления аминокислот для распространения эффектов точечной мутации на представления окружающих аминокислот, тем самым усиливая тонкие изменения в длинной белковой последовательности. Кроме того, MuPIPR использует сиамский остаточный рекуррентный рекуррентный нейронный кодировщик для кодирования пары белков дикого типа и пары его мутаций. Многослойные регрессоры персептрона применяются к представлениям пар белков, чтобы предсказать количественные изменения свойств PPI при мутациях. Экспериментальные оценки показывают, что, имея только информацию о последовательности, MuPIPR превосходит различные современные системы по оценке изменений аффинности связывания для SKEMPI v1 и предлагает сопоставимую производительность для SKEMPI v2. Между тем, MuPIPR также демонстрирует самые современные результаты при оценке изменений площадей погребенной поверхности. Реализация программного обеспечения доступна по адресу https://github.com/guangyu-zhou/MuPIPR.

© Автор(ы), 2019. Опубликовано Oxford University Press от имени NAR Genomics and Bioinformatics.

Цифры

Рисунок 1.

Архитектура МуПИПР.

Рисунок 1.

Архитектура МуПИПР.

Рисунок 1.

Архитектура МуПИПР.

Рисунок 2.

Детальный каркас…

Рисунок 2.

Подробная схема двух энкодеров.

Фигура 2.

Детализированная структура двух энкодеров.

Рисунок 3.

Эффективность различных предикторов…

Рисунок 3.

Производительность различных предикторов на SKEMPI v2 на основе разных пороговых значений…

Рисунок 3.

Производительность различных предикторов на SKEMPI v2 на основе разных порогов сходства последовательностей (по журналу E -значение) по сравнению с обучающим набором SKEMPI v1. Количество образцов в четырех бинах составляет 128, 78, 104 и 177 соответственно.

Рисунок 4.

Корреляции между предсказанным и экспериментальным…

Рисунок 4.

Корреляции между предсказанными и экспериментальными значениями ΔΔ G для разных типов мутировавших…

Рисунок 4.

Корреляции между предсказанными и экспериментальными значениями ΔΔ G для различных типов мутировавших аминокислот (т. е. «ALA» и «NonALA») в наборе данных SKP1102s.

Рисунок 5.

Блок-диаграммы ошибок предсказания для…

Рисунок 5.

Графики ошибок предсказания для различных типов мутантов из набора данных SKP1400m.

Рисунок 5.

Графики ошибок предсказания для различных типов мутантов из набора данных SKP1400m.

Рисунок 6.

Точечная диаграмма для сравнения…

Рисунок 6.

Точечная диаграмма для сравнения абсолютных ошибок по полной версии MuPIPR…

Рисунок 6.

Точечная диаграмма для сравнения абсолютных ошибок полной версии

MuPIPR

и

MuPIPR

— статический вариант. Большинство точек () находятся ниже диагональной линии, показывая, что предсказания полной модели в целом более точны.

Рисунок 7.

Влияние мутаций на структуры и…

Рисунок 7.

Влияние мутаций на структуры и БСА. Структуры Цепи А и Цепи…

Рисунок 7.

Влияние мутаций на структуры и BSA. Структуры цепи А и цепи В белкового комплекса человеческого инсулина изображены соответственно слева и справа от комплекса. Мутация выделена в цепи B. Комплексы дикого типа (2HIU) и мутантный (2M2P) взяты из PDB.

Рисунок 8.

Оценка производительности при использовании различных…

Рисунок 8.

Оценка производительности при использовании различных гиперпараметров в наборе данных SKP1400m для ΔΔ G…

Рисунок 8.

Оценка производительности при использовании различных гиперпараметров в наборе данных SKP1400m для ΔΔ G оценка. Коэффициент корреляции Пирсона (Corr) и среднеквадратическая ошибка (RMSE) представлены синими квадратами (слева) и красными треугольниками (справа) соответственно.

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

• Предсказание многогранного белок-белкового взаимодействия на основе сиамского остаточного RCNN.

  Чен М., Цзюй С.Дж., Чжоу Г., Чен С., Чжан Т., Чанг К.В., Заньоло С., Ван В.

  Чен М. и др.
  Биоинформатика. 201915 июля; 35(14):i305-i314. doi: 10.1093/биоинформатика/btz328.
  Биоинформатика. 2019.

  PMID: 31510705
  Бесплатная статья ЧВК.

• Прогнозирование межбелковых взаимодействий с помощью глубокого обучения на основе последовательностей.

  Хашемифар С. , Нейшабур Б., Хан А.А., Сюй Дж.

  Хашемифар С. и др.
  Биоинформатика. 1 сентября 2018 г .; 34 (17): i802-i810. doi: 10.1093/биоинформатика/bty573.
  Биоинформатика. 2018.

  PMID: 30423091
  Бесплатная статья ЧВК.

• ELECTRA-DTA: новая модель прогнозирования аффинности связывания соединения с белком, основанная на контекстуальном кодировании последовательности.

  Ван Дж., Вэнь Н., Ван С., Чжао Л., Ченг Л.

  Ван Дж. и др.
  Ж Хеминформ. 2022 15 марта; 14 (1): 14. doi: 10.1186/s13321-022-00591-x.
  Ж Хеминформ. 2022.

  PMID: 35292100
  Бесплатная статья ЧВК.

• Мультимодальное глубокое репрезентативное обучение для идентификации взаимодействия белков и классификации семейств белков.

  Чжан Д. , Кабука М.

  Чжан Д. и др.
  Биоинформатика BMC. 2019 декабря 2; 20 (Приложение 16): 531. doi: 10.1186/s12859-019-3084-y.
  Биоинформатика BMC. 2019.

  PMID: 31787089
  Бесплатная статья ЧВК.

• Сверточные нейронные сети для классификации ATC.

  Люмини А., Нанни Л.

  Люмини А и др.
  Курр Фарм Дез. 2018;24(34):4007-4012. дои: 10.2174/1381612824666181112113438.
  Курр Фарм Дез. 2018.

  PMID: 30417778

  Обзор.

Посмотреть все похожие статьи

Цитируется

• LambdaPP: Быстрое и доступное предсказание специфического для белка фенотипа.

  Олени Т., Марке С., Хайнцингер М., Крегер Б., Николова Т., Бернхофер М., Сендиг П. , Шютце К., Литтманн М., Мирдита М., Штайнеггер М., Даллаго С., Рост Б.

  Олений Т. и др.
  Белковая наука. 2023 Январь; 32(1):e4524. doi: 10.1002/pro.4524.
  Белковая наука. 2023.

  PMID: 36454227
  Бесплатная статья ЧВК.

• Биомолекулярная топология: моделирование и анализ.

  Лю Дж., Ся К.Л., Ву Дж., Яу С.С., Вэй Г.В.

  Лю Дж. и др.
  Acta Math Sin Engl Ser. 2022;38(10):1901-1938. doi: 10.1007/s10114-022-2326-5. Epub 2022 15 октября.
  Acta Math Sin Engl Ser. 2022.

  PMID: 36407804
  Бесплатная статья ЧВК.

• D3AI-Spike: платформа глубокого обучения для прогнозирования аффинности связывания между связывающим доменом шиповидного рецептора SARS-CoV-2 с множественными аминокислотными мутациями и ангиотензинпревращающим ферментом человека 2.

  Хань Дж., Лю Т., Чжан С., Ян Ю., Ши Ю., Ли Дж., Ма М., Чжу В., Гун Л., Сюй З.

  Хан Дж. и др.
  Компьютер Биол Мед. 2022 декабрь; 151 (часть А): 106212. doi: 10.1016/j.compbiomed.2022.106212. Epub 2022 25 октября.
  Компьютер Биол Мед. 2022.

  PMID: 36327885
  Бесплатная статья ЧВК.

• Мутация эдготипа вызывает фитнес-эффект у человека.

  Гади М., Ся Ю.

  Гади М. и др.
  Фронт Биоинформ. 2021 30 августа; 1: 690769. doi: 10.3389/fbinf.2021.690769. Электронная коллекция 2021.
  Фронт Биоинформ. 2021.

  PMID: 36303776
  Бесплатная статья ЧВК.

• Вложения из моделей белкового языка предсказывают эффекты сохранения и вариации.

  Марке С., Хайнцингер М., Олени Т. , Даллаго С., Эркерт К., Бернхофер М., Нечаев Д., Рост Б.

  Марке С и др.
  Хам Жене. 2022 Октябрь; 141 (10): 1629-1647. doi: 10.1007/s00439-021-02411-y. Epub 2021 30 декабря.
  Хам Жене. 2022.

  PMID: 34967936
  Бесплатная статья ЧВК.

Просмотреть все статьи «Цитируется по»

Рекомендации

1. 1. Гонсалес М.В., Канн М.Г. Белковые взаимодействия и болезни. PLoS-компьютер. биол. 2012 г.; 8:e1002819.

      —

      ЧВК

      —

      пабмед

2. 1. Ребсамен М. , Кандасами Р.К., Суперти-Фурга Г.. Сети взаимодействия белков во врожденном иммунитете. Тренды Иммунол. 2013; 34: 610–619.

      —

      пабмед

3. 1. Лорх М., Мейсон Дж. М., Кларк А. Р., Паркер М. Дж. Влияние основных мутаций на сворачивание белка β-листа: последствия для организации остова в I-состоянии. Биохимия. 1999 г.; 38:1377–1385.

      —

      пабмед

4. 1. Лорч М., Мейсон Дж. М., Сешнс Р. Б., Кларк А. Р.. Влияние мутаций на термодинамику реакции сворачивания белка: последствия для механизма образования промежуточных и переходных состояний. Биохимия. 2000 г.; 39:3480–3485.

      —

      пабмед

5. 1. Alfalah M., Keizer M., Leeb T., Zimmer K.-P., Naim HY. Мутации сложных гетерозигот влияют на укладку и функцию белка у пациентов с врожденным дефицитом сахаразы-изомальтазы. Гастроэнтерология. 2009 г.; 136:883–892.

      —

      пабмед

Грантовая поддержка

• U54 GM114833/GM/NIGMS NIH HHS/США

Анализ и предсказание изменений энергии сворачивания белка при мутации с помощью стойкой гомологии, специфичной для элемента

Сохранить цитату в файл

Формат:

Резюме (текст) PubMedPMIDAbstract (текст) CSV

Добавить в коллекции

• Создать новую коллекцию
• Добавить в существующую коллекцию

Назовите свою коллекцию:

Имя должно содержать менее 100 символов

Выберите коллекцию:

Не удалось загрузить вашу коллекцию из-за ошибки
Повторите попытку

Добавить в мою библиографию

• Моя библиография

Не удалось загрузить делегатов из-за ошибки
Повторите попытку

Ваш сохраненный поиск

Название сохраненного поиска:

Условия поиска:

Тестовые условия поиска

Электронная почта:

(изменить)

Который день?

Первое воскресеньеПервый понедельникПервый вторникПервая средаПервый четвергПервая пятницаПервая субботаПервый деньПервый будний день

Который день?

воскресеньепонедельниквторниксредачетвергпятницасуббота

Формат отчета:

SummarySummary (text)AbstractAbstract (text)PubMed

Отправить максимум:

1 шт. 5 шт. 10 шт. 20 шт. 50 шт. 100 шт. 200 шт.

Отправить, даже если нет новых результатов

Необязательный текст в электронном письме:

Создайте файл для внешнего программного обеспечения для управления цитированием

. 2017 15 ноября; 33 (22): 3549-3557.

doi: 10.1093/биоинформатика/btx460.

Цзысюань Цан
¹
, Го-Вэй Вэй
¹

2

3

Принадлежности

• ¹ Математический факультет.
• ² Кафедра биохимии и молекулярной биологии.
• ³ Факультет электротехники и вычислительной техники, Мичиганский государственный университет, Ист-Лансинг, Мичиган 48823, США.

• PMID:

  2

  40

  1. DOI:

     10.1093/биоинформатика/btx460

Zixuan Cang et al.

Биоинформатика.

2017 .

. 2017 15 ноября; 33 (22): 3549-3557.

doi: 10.1093/биоинформатика/btx460.

Авторы

Цзысюань Цан
¹
, Го-Вэй Вэй
¹

2

3

Принадлежности

• ¹ Математический факультет.
• ² Кафедра биохимии и молекулярной биологии.
• ³ Факультет электротехники и вычислительной техники, Мичиганский государственный университет, Ист-Лансинг, Мичиган 48823, США.

• PMID:

  2

  40

  1. DOI:

     10.1093/биоинформатика/btx460

Абстрактный

Мотивация:

Сайт-направленный мутагенез широко используется для понимания структуры и функции биомолекул. Компьютерное предсказание влияния мутаций на стабильность белка предлагает быструю, экономичную и потенциально точную альтернативу лабораторному мутагенезу. Большинство существующих методов основаны на геометрических описаниях, в этой работе представлен подход, основанный на топологии, чтобы обеспечить совершенно новое представление изменений стабильности белка, вызванных мутациями, которые нельзя было получить с помощью традиционных методов.

Полученные результаты:

Предиктор мутаций на основе топологии (T-MP) вводится для резкого уменьшения геометрической сложности и количества степеней свободы белков, в то время как постоянная гомология, специфичная для элемента, предлагается для сохранения важной биологической информации. Установлено, что данный подход превосходит другие существующие методы в прогнозировании изменений стабильности глобулярных белков при мутациях. Коэффициент корреляции Пирсона 0,82 со среднеквадратичным отклонением 0,9.2 ккал/моль получается на тестовом наборе из 350 мутационных образцов. Для предсказания изменений стабильности мембранных белков при мутации предложенный топологический подход имеет на 84% более высокий коэффициент корреляции Пирсона, чем современные современные эмпирические методы, достигая корреляции Пирсона 0,57 и среднеквадратичной ошибки 1,09 ккал/моль. в 5-кратной перекрестной проверке набора из 223 образцов мутаций мембранных белков.

Наличие и реализация:

http://weilab.math.msu.edu/TML/TML-MP/.

Контакт:

[email protected].

Дополнительная информация:

Дополнительные данные доступны на веб-сайте Bioinformatics Online.

© The Author 2017. Опубликовано Oxford University Press. Все права защищены. Для разрешений, пожалуйста, по электронной почте: [email protected]

Похожие статьи

• TopologyNet: основанные на топологии глубокие сверточные и многозадачные нейронные сети для прогнозирования свойств биомолекул.

  Цан З, Вэй ГВ.

  Цанг Зи и др.
  PLoS Comput Biol. 2017 27 июля; 13 (7): e1005690. doi: 10.1371/journal.pcbi.1005690. Электронная коллекция 2017 июль.
  PLoS Comput Biol. 2017.

  PMID: 28749969
  Бесплатная статья ЧВК.

• STRUM: структурное предсказание изменений стабильности белка при одноточечной мутации.

  Quan L, Lv Q, Zhang Y.

  Куан Л. и др.
  Биоинформатика. 2016 1 октября; 32 (19): 2936-46. doi: 10.1093/биоинформатика/btw361. Epub 2016 17 июня.
  Биоинформатика. 2016.

  PMID: 27318206
  Бесплатная статья ЧВК.

• Точное предсказание изменений стабильности в белковых мутантах путем сочетания машинного обучения со структурным вычислительным мутагенезом.

  Массо М, Вайсман II.

  Массо М. и др.
  Биоинформатика. 2008 15 сентября; 24 (18): 2002-9. doi: 10.1093/биоинформатика/btn353. Epub 2008 16 июля.
  Биоинформатика. 2008.

  PMID: 18632749

• Алгоритмы машинного обучения для прогнозирования скорости фолдинга и стабильности мутантных белков: сравнение со статистическими методами.

  Громиха М.М., Хуан Л.Т.

  Громиха М.М. и соавт.
  Curr Protein Pept Sci. 2011 Сен;12(6):490-502. дои: 10.2174/138920311796957630.
  Curr Protein Pept Sci. 2011.

  PMID: 21787301

  Обзор.

• Сравнение структуры белка: последствия для природы «складчатого пространства», а также предсказание структуры и функции.

  Колодный Р., Петри Д., Хониг Б.

  Колодный Р. и соавт.
  Curr Opin Struct Biol. 2006 июнь; 16 (3): 393-8. doi: 10.1016/j.sbi.2006.04.007. Epub 2006 4 мая.
  Curr Opin Struct Biol. 2006.

  PMID: 16678402

  Обзор.

Посмотреть все похожие статьи

Цитируется

• Постоянная гомология для анализа данных РНК.

  Ся К., Лю С., Ви Дж.

  Ся К. и др.
  Методы Мол Биол. 2023;2627:211-229. doi: 10.1007/978-1-0716-2974-1_12.
  Методы Мол Биол. 2023.

  PMID: 36959450

• АСПЕКТЫ ТОПОЛОГИЧЕСКИХ ПОДХОДОВ ДЛЯ НАУКИ О ДАННЫХ.

  Грбич Дж., Ву Дж., Ся К., Вэй Г.В.

  Грбич Дж. и соавт.
  Найден Data Sci. 2022 июнь;4(2):165-216. doi: 10.3934/fods.2022002.
  Найден Data Sci. 2022.

  PMID: 36712596
  Бесплатная статья ЧВК.

• Биомолекулярная топология: моделирование и анализ.

  Лю Дж., Ся К.Л., Ву Дж., Яу С.С., Вэй Г.В.

  Лю Дж. и др.
  Acta Math Sin Engl Ser. 2022;38(10):1901-1938. doi: 10.1007/s10114-022-2326-5. Epub 2022 15 октября.
  Acta Math Sin Engl Ser. 2022.

  PMID: 36407804
  Бесплатная статья ЧВК.

• BayeStab: прогнозирование влияния мутаций на стабильность белка с количественной оценкой неопределенности.

  Ван С., Тан Х., Чжао Ю., Цзо Л.

  Ван С. и др.
  Белковая наука. 2022 ноябрь;31(11):e4467. doi: 10.1002/pro.4467.
  Белковая наука. 2022.

  PMID: 36217239

• Направленная эволюция с помощью кластерного обучения.

  Цю Ю, Ху Дж, Вэй ГВ.

  Цю Ю и др.
  Национальные вычислительные науки. 2021 дек;1(12):809-818.