将减少的氨基酸组成集成到PSSM中,以改善铜离子结合蛋白预测
Shanghua Liu1, Yuchao Liang2, Jinzhao Li3
1State Key Laboratory of Reproductive Regulation and Breeding of Grassland Livestock, Institutes of Biomedical Sciences, School of Life Sciences, Inner Mongolia University, Hohhot 010021, China; Inner Mongolia International Mongolian Hospital, Hohhot 010065, China.
研究人员开发了RPCIBP,这是一种用于识别铜离子结合蛋白的新型分类器. 该工具通过将减少的氨基酸组成与进化特征相结合,提高预测准确度,帮助疾病机制探索和药物开发.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 蛋白质组学是指蛋白质组学.
背景情况:
- 铜离子结合蛋白在细胞代谢中至关重要,并与癌症和门克斯病等疾病有关.
- 现有的金属离子预测算法缺乏针对铜离子结合蛋白的具体应用.
研究的目的:
- 开发一个准确和高效的分类器来预测铜离子结合蛋白.
- 通过将减少的氨基酸组成与进化特征相结合来提高预测性能.
主要方法:
- 通过将减少的氨基酸组成集成到特定位置的评分矩阵 (PSSM) 中,开发了RPCIBP分类器.
- 使用特征选择来识别最佳分类器.
- 在一个用户友好的Web服务器上部署了性能最好的模型.
主要成果:
- 减少了氨基酸组成,使特征尺寸从2900减少到200,从而提高了模型效率.
- 与基本模型 (73.8%-86.2%的培训,69.3%-87.5%的测试) 相比,综合模型的准确性更高 (83.1%-90.8%的培训,79.1%-91.9%的测试).
- RPCIBP表现出更好的预测能力和稳定性.
结论:
- RPCIBP准确地预测了铜离子结合蛋白,为研究提供了有价值的工具.
- 开发的分类器促进了结构和功能研究,有助于了解疾病机制和药物开发.
更多相关视频
14:44Structure and Coordination Determination of Peptide-metal Complexes Using 1D and 2D 1H NMR
Published on: December 16, 2013
11:04Ion Mobility-Mass Spectrometry Techniques for Determining the Structure and Mechanisms of Metal Ion Recognition and Redox Activity of Metal Binding Oligopeptides
Published on: September 7, 2019
相关概念视频
Extraction: Advanced Methods
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...
