Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | “Razionalizzazione e manipolazione del reclutamento del carico del motore molecolare chinesina-1 con approcci computazionali” |
|---|---|
| Titolo del progetto di ricerca in inglese | “A computational approach for the predictive rationalization and manipulation of cargo recruitment by the ubiquitous kinesin-1 motor protein” |
| Campo principale della ricerca | Biological sciences |
| Sottocampo della ricerca | Biology |
| Settore Concorsuale | 05 - Scienze biologiche |
| S.S.D | BIO/10 - BIOCHIMICA |
| Descrizione sintetica in italiano | In questo progetto svilupperemo una metodologia per la previsione dell'affinità delle interazioni KLC_TPR: peptide. Mediante l'elucidazione dei determinanti molecolari del riconoscimento dei peptidi adattatori da parte del dominio KLC_TPR, vogliamo capire quali caratteristiche della sequenza del peptide sono più probabilmente associate a variazioni dell'affinità per il recettore. Il nostro approccio si baserà sulla mappatura computazionale di hotspots basata sulla dinamica molecolare (MD) di complessi KLC_TPR:peptide (W-acidico, Y-acidico, WY-acidico) determinati sperimentalmente, seguita da una nuova strategia di rete neurale generativa per generare e classificare nuovi peptidi di riconoscimento, da esaminare successivamente in modo sperimentale. Attività: modelling computazionale di proteine con Dinamica Molecolare; metodi di drug discovery in silico, screening di librerie di composti e docking molecolare; progettazione e sintesi di piccole molecole con attività biologica |
| Descrizione sintetica in inglese | In this project we will set up a methodology for affinity prediction of KLC_TPR:peptide interactions. By elucidating the molecular determinants of adaptor peptides recognition by the KLC_TPR domain, we want to learn what peptide sequence features are most likely associated with variations in affinity for the receptor. Our approach will rely on the computational mapping of the coupling hotspots based on MD on the existing KLC_TPR:peptide (W-acidic, Y-acidic, WY-acidic) complexes, followed by a novel generative neural network strategy to generate and classify novel recognition peptides, to be subsequently probed experimentally. Activities: Computational modeling of proteins using Molecular Dynamics; In silico drug discovery, using virtual screening approaches and molecular docking; Design and synthesis of small molecules with biological activity |
| Data del bando | 30/11/2023 |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://unipd.it/albo-on-line |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|
| Nome dell'Ente finanziatore | Università degli Studi di Padova |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Padova |
| Sito web | https://www.biomed.unipd.it/ |
| ricerca.biomed@unipd.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 15/12/2023 |
|---|---|
| Come candidarsi | https://pica.cineca.it/ |