Ce projet fournit des données et des outils pour l'analyse des prédictions de structures protéiques dans le cadre du défi CAPRI Round 55. Il inclut des jeux de données détaillés sur les prédictions générées par MassiveFold, des évaluations CAPRI-Q, et des analyses comparatives avant/après relaxation des modèles. Les résultats sont destinés à la recherche en biologie structurale et en immunologie.

S-GCN est un outil spécialisé dans l'analyse et l'évaluation de structures protéiques en 3D modélisées sous forme de graphes moléculaires. Il permet de prédire des scores de qualité pour des modèles de protéines générés par des algorithmes ou des participants à des défis comme CASP. Le projet facilite la comparaison entre modèles et structures réelles, aidant ainsi les chercheurs en biologie structurale à identifier les conformations les plus proches de la réalité.

Outil dédié à l'évaluation de la qualité des modèles protéiques en utilisant une fonction de score basée sur des caractéristiques géométriques des atomes lourds du squelette protéique. Permet une analyse rapide et compétitive des structures protéiques sans nécessiter de chaînes latérales modélisées, tout en offrant la possibilité de former des modèles personnalisés.

Outil spécialisé dans l'évaluation et la classification de structures protéiques complexes. Il calcule des métriques d'assessment couramment utilisées en biologie structurale, comme les scores CAPRI, DockQ et l-DDT. Permet de valider la qualité des modèles de docking moléculaire pour des complexes impliquant peptides, acides nucléiques ou oligosaccharides, en fournissant une analyse quantitative et une classification selon des critères standardisés.

OGP est un projet dédié à la prédiction des sites de O-GlcNAcylation, une modification post-traductionnelle des protéines. Il fournit des jeux de données structurés, des scripts pour extraire des caractéristiques protéiques et des outils pour entraîner et tester des modèles de machine learning. Le projet inclut également une évaluation comparative des outils de prédiction existants.

VoroCNN est un réseau de neurones convolutifs conçu pour analyser les structures protéiques 3D à partir de leur tessellation de Voronoï. Il prédit des scores locaux et globaux pour évaluer la qualité des modèles de protéines, aidant ainsi les chercheurs en bioinformatique à valider et comparer des structures moléculaires complexes.