整合深度突变扫描和低通量突变发生的数据,以预测氨基酸变体的影响
Yunfan Fu1,2, Justin Bedő1,2, Anthony T Papenfuss1,2,3
1The Walter and Eliza Hall Institute of Medical Research, Bioinformatics Division, 1G Royal Pde, Parkville, Victoria 3052, Australia.
GigaScience
|September 18, 2023
概括
将氨酸扫描 (AS) 数据集成到计算模型中,可以更好地预测氨基酸变体的影响,特别是当AS和深度突变扫描 (DMS) 试验兼容并相互关联时.
科学领域:
- 基因组学就是基因组学.
- 蛋白质科学 蛋白质科学
- 计算生物学 计算生物学
背景情况:
- 评估氨基酸变异影响对于蛋白质功能研究和基因组数据解释至关重要.
- 深度突变扫描 (DMS) 是测量变异效应的高通量方法,但它并不适用于所有蛋白质.
- 计算模型用于从可用的DMS数据中预测变量影响.
研究的目的:
- 为了增强对氨基酸变体影响的计算预测.
- 调查是否结合氨酸扫描 (AS) 数据可以改善现有的预测模型.
主要方法:
- 扩展了一个基于线性回归的预测器.
- 整合了来自146个AS数据集的数据.
- 将AS数据映射到22个蛋白质的54个DMS数据集中,用于模型评估.
主要成果:
- 开发了一个集成AS和DMS数据的计算模型.
- 证明模型性能改善取决于测试兼容性.
- 发现改善的程度与AS和DMS结果之间的相关性相关.
结论:
- 集成AS数据可以增强计算变体效应预测.
- 测试兼容性和结果相关性是成功数据整合的关键因素.
- 这种方法提供了一种改善变异影响预测的方法,在缺乏全面的DMS数据的情况下.
更多相关视频
11:36A Protocol for Functional Assessment of Whole-Protein Saturation Mutagenesis Libraries Utilizing High-Throughput Sequencing
Published on: July 3, 2016
10.9K
07:15Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation
Published on: January 16, 2019
11.0K
