MARC

 008260126s2025        us                              c    eng  d
■001000017360705
■00520260202105608
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265428158
■035    ▼a(MiAaPQ)AAI32316366
■035    ▼a(MiAaPQ)Stanfordbd600ws6501
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a610
■1001  ▼aChoe,  Christian  A.
■24510▼aRNA  Calculators  and  Protein  Sculpting
■260    ▼a[Sl]▼bStanford  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a140  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Das,  Rhiju;Huang,  Possu.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2025.
■520    ▼aThe  field  of  macromolecular  design  has  advanced  rapidly  in  recent  years,  driven  by  powerful  deep  learning  tools  such  as  AlphaFold  and  coupled  with  high-throughput  experimental  platforms.  These  tools  have  enabled  unprecedented  speed  in  iterating  through  in  silico  design  and  experimental  validation.  This  thesis  explores  the  development  of  tools  for  designing  both  RNA  and  proteins.In  the  first  chapter,  I  present  Nucleologic,  a  Monte  Carlo  tree  search  algorithm  inspired  by  the  Eterna  community,  for  the  automated  design  of  RNA  sensors  capable  of  computing  functions  such  as  logic  gates.  In  the  second  chapter,  I  introduce  Sculptor,  a  generative  design  framework  that  integrates  a  protein  generative  model  and  rotamer  interaction  field  to  create  de  novo  protein  binders  targeting  user-defined  epitopes.  The  third  chapter  describes  two  smaller  RNA  efforts:  3DRNA,  a  deep  learning  method  for  RNA  inverse  design  on  fixed  backbone  using  voxelized  local  environments;  and  RNAGym,  a  benchmarking  suite  for  evaluating  RNA  models  across  tasks  in  fitness,  secondary  structure,  and  tertiary  structure  prediction.
■590    ▼aSchool  code:  0212.
■650  4▼aMedicine
■650  4▼aBiochemistry
■650  4▼aBinding  sites
■650  4▼aMicroRNAs
■650  4▼aPuzzles
■650  4▼aBiomarkers
■650  4▼aDesign
■650  4▼aFlow  cytometry
■650  4▼aInformatics
■650  4▼aGenes
■650  4▼aCrowdsourcing
■650  4▼aTuberculosis
■650  4▼aCell  cycle
■650  4▼aCellular  biology
■650  4▼aEpidemiology
■690    ▼a0389
■690    ▼a0564
■690    ▼a0487
■690    ▼a0379
■690    ▼a0766
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360705▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books