Дэвид Тюдор Джонс - Википедия - David Tudor Jones

Дэвид Джонс
DavidJones.jpeg
Дэвид Джонс в 2006 году
Родившийся
Дэвид Тюдор Джонс

Ноябрь 1966 (54 года)[1]
НациональностьБританский
Альма-матер
ИзвестенРаспознавание белковых складок
Прогнозирование структуры белка
НаградыСтипендия Университета Королевского общества (1995-1999)
Научная карьера
Поля
УчрежденияУниверситетский колледж Лондона
Биркбек, Лондонский университет
ТезисСтруктурные подходы к анализу последовательности белков  (1993)
Докторант
Интернет сайтhttp://www.cs.ucl.ac.uk/staff/d.jones/

Дэвид Тюдор Джонс (1966 г.р.)[1] является профессором Биоинформатика, и руководитель группы биоинформатики в Университетский колледж Лондона.[3] Он также является директором Центра биоинформатики Блумсбери, который является совместным исследовательским центром UCL и Биркбек, Лондонский университет и который также предоставляет услуги по обучению и поддержке биомедицинских исследователей биоинформатике. В 2013 году он является членом редколлегии журнала PLoS ONE, BioData Mining, Продвинутая биоинформатика, Химическая биология и дизайн лекарств, и Белок: структура, функции и биоинформатика.[нужна цитата ]

Образование

Джонс получил образование в Имперский колледж Лондон где он был награжден Бакалавр степень в области Физика.[когда? ][нужна цитата ] Я переехал в Королевский колледж Лондона завершить Магистр естественных наук степень в области Биохимия[когда? ] с последующим Университетский колледж Лондона где он был награжден кандидат наук в 1993 г.[4] для исследований под руководством Уильяма Р. Тейлора и Джанет Торнтон.[нужна цитата ]

Исследования и карьера

Основные исследовательские интересы Джонса[2] находятся в предсказание структуры белка и анализ сворачивание белка, трансмембранный белок анализ, машинное обучение приложения в биоинформатике и анализ генома, включая применение интеллектуальных программных агентов.[5] Он консультировал несколько разных компаний, в том числе GlaxoSmithKline, но его основной опыт работы в отрасли был в качестве соучредителя Inpharmatica Limited,[1] который был основан в 1998 году как корпоративное выделение из Университетского колледжа Лондона. Компания использовала сочетание биоинформатики и химиоинформатика изучить взаимосвязь между структурой и функцией белков, а также связывание химических групп с этими белками, что привело к открытию новых лекарств.[нужна цитата ]

НИТИ

THREADER предоставляет метод[6] широко известно как распознавание белковой складки (заправка ), метод моделирования белков, который используется для моделирования тех белков, которые имеют такую ​​же укладку, как и белки известной структуры. На входе представлена ​​аминокислотная последовательность с неизвестной структурой белка, тогда THREADER выведет наиболее вероятную структуру белка для этой последовательности. Степень совместимости между последовательностью и предлагаемой структурой оценивается с помощью набора эмпирических потенциалов, полученных из белков известных структур.
Этой работе предшествовали Дэвид Бейкер и его коллеги, которые развили идею THREADER в форме Розеттский метод который имеет огромное влияние в этой области.

MEMSAT

MEMSAT[7] представляет собой подход к предсказанию положения сегментов трансмембранной спирали, основанный на распознавании топологических моделей белков. В этом методе используется набор статистических таблиц, полученных на основе хорошо изученных данных о мембранных белках, и у нас есть алгоритм динамического программирования для распознавания моделей топологии мембраны путем максимизации ожидания. Поскольку MEMSAT был первоначально построен еще в 1994 году, он вызвал множество улучшений в прогнозировании вторичной структуры. Самая последняя версия - MEMSAT3,[8] выпущен в 2007 году. Он использует нейронную сеть для определения местоположения остатков на цитоплазматической стороне мембраны или в трансмембранных спиралях.

База данных CATH

Джонс участвовал в ранней стадии разработки База данных CATH, с Кристин Оренго и Джанет Торнтон[9] которая представляет собой иерархическую доменную классификацию белковых структур в Банк данных белков, где 4 основных уровня иерархии: класс, архитектура, топология и гомологичное суперсемейство. База данных CATH использует комбинацию автоматических и ручных методов.[10][11]

GenTHREADER

GenTHREADER[12] - это более быстрый и мощный инструмент для распознавания белковых складок, который можно применять как к целым, так и к отдельным последовательностям белка. В этом методе используется традиционный алгоритм выравнивания последовательностей для генерации выравниваний, а затем выравнивание будет оцениваться с помощью методов нити. На последнем этапе каждая модель будет оцениваться нейронной сетью для измерения уровня достоверности предложенного прогноза. Появление GenTHREADER позволило провести ряд улучшений.[13] Так далеко,[когда? ] Сейчас доступно несколько улучшенных методов: mGenTHREADER, pDomTHREADER и pGenTHREADER.[14][15]

PSIPRED

Это сервер, который объединяет несколько методов прогнозирования структуры. Он включает недавно реализованный метод, также известный как PSIPRED (прогнозирование вторичной структуры белка), метод прогнозирования вторичной структуры белка, а также другие методы прогнозирования трансмембранной топологии (MEMSAT3) и распознавания складок (GenTHREADER). Пользователи отправляют последовательность белков, выполняют любые интересующие их прогнозы и получают результаты по электронной почте.[16]

Академическая служба

С 1996 года Джонс принимал участие во многих исследовательских комитетах, в том числе: Совет по исследованию биотехнологии и биологических наук (BBSRC), Совет по исследованиям в области инженерных и физических наук (EPSRC), Совет медицинских исследований (MRC), и Исследовательские советы Великобритании.[нужна цитата ] Его исследование финансировалось BBSRC, The Wellcome Trust, Эльзевир, EPSRC, MRC, Королевское общество, The Европейская комиссия, АстраЗенека, GlaxoSmithKline и Sun Microsystems.[3]

Награды и награды

Джонс провел престижную Стипендия Университета Королевского общества с 1995 по 1999 гг.[3]

Рекомендации

  1. ^ а б c п (2012). "Дэвид ДЖОНС Inpharmatica". companyhouse.gov.uk. Дом компаний. Архивировано из оригинал на 2017-03-07.
  2. ^ а б Дэвид Тюдор Джонс публикации, проиндексированные Google ученый Отредактируйте это в Викиданных
  3. ^ а б c Джонс, Дэвид (2015). "Профессор Дэвид Джонс, компьютерные науки Калифорнийского университета". ucl.ac.uk. Университетский колледж Лондона. Архивировано из оригинал на 2016-05-07.
  4. ^ Джонс, Дэвид Тюдор (1993). Структурные подходы к анализу последовательности белков. london.ac.uk (Кандидатская диссертация). Лондонский университет. OCLC  941025790.
  5. ^ Джонс, Дэвид Т .; Тейлор, Уильям Р .; Торнтон, Джанет М. (1992). «Быстрое создание матриц данных о мутациях из белковых последовательностей». Биоинформатика. 8 (3): 275–282. Дои:10.1093 / биоинформатика / 8.3.275. ISSN  1367-4803. PMID  1633570.
  6. ^ Джонс, Д. Т .; Taylor, W. R .; Торнтон, Дж. М. (1992). «Новый подход к распознаванию белковой складки». Природа. 358 (6381): 86–89. Дои:10.1038 / 358086a0. ISSN  0028-0836. PMID  1614539. S2CID  4266346.
  7. ^ Джонс, Д. Т .; Taylor, W. R .; Торнтон, Дж. М. (1994). "Подход к распознаванию модели для прогнозирования структуры и топологии белков всей спиральной мембраны". Биохимия. 33 (10): 3038–3049. Дои:10.1021 / bi00176a037. ISSN  0006-2960. PMID  8130217.
  8. ^ Джонс, Д. Т. (2007). «Повышение точности прогноза топологии трансмембранного белка с использованием информации об эволюции». Биоинформатика. 23 (5): 538–544. Дои:10.1093 / биоинформатика / btl677. ISSN  1367-4803. PMID  17237066.
  9. ^ Оренго, Калифорния; Michie, AD; Джонс, S; Джонс, Д.Т .; Суинделлс, МБ; Торнтон, Дж. М. (1997). «CATH - иерархическая классификация доменных структур белков». Структура. 5 (8): 1093–1109. Дои:10.1016 / S0969-2126 (97) 00260-8. ISSN  0969-2126. PMID  9309224.
  10. ^ Оренго, Калифорния; Martin, A.M .; Hutchinson, G .; Jones, S .; Джонс, Д.Т .; Michie, A.D .; Swindells, M.B .; Торнтон, Дж. М. (1998). «Классификация белка в базе данных доменных структур CATH». Acta Crystallogr. D. 54 (6): 1155–1167. Дои:10.1107 / s0907444998007501. PMID  10089492.
  11. ^ Манжета, A. L .; Sillitoe, I .; Lewis, T .; Clegg, A. B .; Rentzsch, R .; Furnham, N .; Pellegrini-Calace, M .; Jones, D .; Thornton, J .; Оренго, К. А. (2010). «Расширение CATH: расширение охвата вселенной белковой структуры и связывание структуры с функцией». Исследования нуклеиновых кислот. 39 (База данных): D420 – D426. Дои:10.1093 / nar / gkq1001. ISSN  0305-1048. ЧВК  3013636. PMID  21097779.
  12. ^ Джонс, Дэвид Т. (1999). «GenTHREADER: эффективный и надежный метод распознавания белковых складок для геномных последовательностей». Журнал молекулярной биологии. 287 (4): 797–815. Дои:10.1006 / jmbi.1999.2583. ISSN  0022-2836. PMID  10191147. S2CID  6057225.
  13. ^ "Биоинформатика UCL-CS: обзор PSIPRED". Bioinf.cs.ucl.ac.uk. Получено 2017-03-07.
  14. ^ McGuffin, L.J .; Джонс, Д. Т. (2003). «Усовершенствование метода GenTHREADER для распознавания геномной складки». Биоинформатика. 19 (7): 874–881. Дои:10.1093 / биоинформатика / btg097. ISSN  1367-4803. PMID  12724298.
  15. ^ Lobley, A .; Садовски, М. И .; Джонс, Д. Т. (2009). «pGenTHREADER и pDomTHREADER: новые методы улучшенного распознавания белковых складок и распознавания суперсемейства». Биоинформатика. 25 (14): 1761–1767. Дои:10.1093 / биоинформатика / btp302. ISSN  1367-4803. PMID  19429599.
  16. ^ McGuffin, L.J .; Bryson, K .; Джонс, Д. Т. (2000). «Сервер прогнозирования структуры белка PSIPRED». Биоинформатика. 16 (4): 404–405. Дои:10.1093 / биоинформатика / 16.4.404. ISSN  1367-4803. PMID  10869041.