Дэвид Тюдор Джонс FRS (родился в 1966 году) [2] — профессор биоинформатики и руководитель группы биоинформатики в Университетском колледже Лондона . [3] Он также является директором Центра биоинформатики Блумсбери, который является совместным исследовательским центром UCL и Биркбека, Лондонского университета , и который также предоставляет услуги по обучению и поддержке биоинформатики биомедицинским исследователям. В 2013 году он был членом редакционных коллегий PLoS ONE , BioData Mining , Advanced Bioinformatics , Chemical Biology & Drug Design и Protein: Structure, Function and Bioinformatics . [ требуется ссылка ]
Джонс получил образование в Имперском колледже Лондона , где ему была присуждена степень бакалавра наук по физике . [ когда? ] [ нужна ссылка ] Он перешел в Королевский колледж Лондона, чтобы получить степень магистра наук по биохимии [ когда? ], а затем в Университетский колледж Лондона , где в 1993 году ему была присуждена степень доктора философии [4] за исследования под руководством Уильяма Р. Тейлора и Джанет Торнтон . [ нужна ссылка ]
Основные исследовательские интересы Джонса [1] связаны с прогнозированием структуры белка и анализом сворачивания белка , трансмембранным анализом белка, приложениями машинного обучения в биоинформатике и анализом генома, включая применение интеллектуальных программных агентов. [5] Он консультировал несколько различных компаний, включая GlaxoSmithKline , но его основной отраслевой опыт был получен в качестве соучредителя Inpharmatica Limited, [2] которая была основана в 1998 году как корпоративное ответвление от University College London. Компания использовала комбинацию биоинформатики и хемоинформатики для изучения взаимосвязей между структурой и функцией белков, а также связывания химических групп с этими белками, что привело к открытию новых лекарств. [ необходима цитата ]
THREADER предоставляет метод [6], широко известный как распознавание складки белка ( нить ), метод моделирования белка, который используется для моделирования тех белков, которые имеют ту же складку, что и белки известных структур. Входными данными является аминокислотная последовательность с неизвестной структурой белка, затем 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.
Эту работу предшествовали Дэвид Бейкер и его коллеги, которые развили идею THREADER дальше в форме метода Rosetta , который оказал огромное влияние в этой области.
MEMSAT [7] — это подход к прогнозированию положений сегментов трансмембранной спирали на основе распознавания топологических моделей белков. Метод использует набор статистических таблиц, полученных из хорошо охарактеризованных данных о мембранных белках, и у нас есть динамический алгоритм программирования для распознавания моделей топологии мембраны путем максимизации ожидания. Поскольку MEMSAT был изначально создан еще в 1994 году, он затем вызвал множество улучшений в прогнозировании вторичной структуры. Новейшая версия — MEMSAT3, [8], выпущенная в 2007 году. Она использует нейронную сеть для определения местоположений остатков на цитоплазматической стороне мембраны или в трансмембранных спиралях.
Джонс участвовал в ранней стадии разработки базы данных CATH вместе с Кристин Оренго и Джанет Торнтон [9] , которая представляет собой иерархическую доменную классификацию структур белков в Protein Data Bank , где 4 основных уровня иерархии: класс, архитектура, топология и гомологичное суперсемейство. База данных CATH использует комбинацию автоматических и ручных методов. [10] [11]
GenTHREADER [12] — более быстрый и мощный инструмент для распознавания складки белка, который может применяться как к целым, так и к отдельным последовательностям белка. Метод использует традиционный алгоритм выравнивания последовательностей для генерации выравниваний, а затем выравнивание будет оценено с помощью методов потокового анализа. На последнем этапе каждая модель будет оценена нейронной сетью для получения измерения уровня достоверности предлагаемого прогноза. Появление GenTHREADER позволило провести ряд работ по улучшению. [13] На данный момент [ когда? ] доступно несколько улучшенных методов: mGenTHREADER, pDomTHREADER и pGenTHREADER. [14] [15]
Это сервер, который объединяет несколько методов прогнозирования структуры. Он включает недавно внедренный метод, также известный как PSIPRED (Predict Secondary Protein Structure), метод прогнозирования вторичной структуры белка, а также другие методы Predict Transmembrane Topology (MEMSAT3) и Fold Recognition (GenTHREADER). Пользователи отправляют последовательность белка, выполняют любое интересующее их прогнозирование и получают результаты по электронной почте. [16]
С 1996 года Джонс принимал участие во многих исследовательских комитетах, включая: Исследовательский совет по биотехнологии и биологическим наукам (BBSRC) , Исследовательский совет по инженерным и физическим наукам (EPSRC) , Медицинский исследовательский совет (MRC) и Исследовательские советы Великобритании . [ необходима ссылка ] Его исследования финансировались BBSRC, The Wellcome Trust , Elsevier , EPSRC, MRC, Королевским обществом , Европейской комиссией , AstraZeneca , GlaxoSmithKline и Sun Microsystems . [3]
С 1995 по 1999 год Джонс имел престижную исследовательскую стипендию Королевского общества. [3] В 2022 году Джонс был избран членом Международного общества вычислительной биологии [17] и членом Королевского общества в 2023 году. [18]