乐高-CSM:一种用于蛋白质功能表征的工具
Thanh Binh Nguyen1,2,3, Alex G C de Sá1,2,3,4, Carlos H M Rodrigues1,2,3
1School of Chemistry and Molecular Biosciences, University of Queensland, Brisbane City, QLD 4072, Australia.
Bioinformatics (Oxford, England)
|June 29, 2023
概括
乐高-CSM使用序列和结构预测蛋白质功能,包括亚细胞定位,酶委员会 (EC) 数量和基因本体学 (GO) 术语. 这种计算工具有助于高效地表征新发现的蛋白质.
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
- 蛋白质科学 蛋白质科学
背景情况:
- 高通量测序产生了大量的蛋白质数据,超过了实验功能表征能力.
- 准确预测蛋白质功能,如亚细胞定位,酶委员会 (EC) 数,基因本体学 (GO) 术语对于生物研究至关重要.
研究的目的:
- 开发一个全面的基于网络的资源,LEGO-CSM,用于预测蛋白质功能.
- 利用基于图形的签名和使用蛋白质序列和结构信息的监督学习模型.
主要方法:
- 使用基于结构的切断扫描矩阵 (CSM) 签名.
- 雇员监督学习模型整合了蛋白质序列和结构数据.
- 开发了一个可访问的蛋白质功能预测的Web服务器.
主要成果:
- 在独立的盲人测试中,LEGO-CSM实现了高预测性能.
- 接收器运行特征曲线下的面积达到了0.93的亚细胞局部化和EC号码.
- 在GO条件下,曲线下的面积高达0.81得到了.
结论:
- 乐高-CSM有效地模拟了蛋白质功能,解决了快速发现蛋白质的挑战.
- 该资源为本地化,EC数字和GO术语提供了准确的预测.
- 乐高-CSM是免费提供,促进更广泛的科学使用和数据可访问性.
更多相关视频
17:12Profiling of Methyltransferases and Other S-adenosyl-L-homocysteine-binding Proteins by Capture Compound Mass Spectrometry CCMS
Published on: December 20, 2010
15.6K
11:19Label-Free Immunoprecipitation Mass Spectrometry Workflow for Large-scale Nuclear Interactome Profiling
Published on: November 17, 2019
16.2K
