双信号特征空间 地图 蛋白质 亚细胞 位置 基于免疫组织化学 图像和蛋白质序列
Kai Zou1,2, Simeng Wang1, Ziqian Wang1
1School of Communications and Electronics, Jiangxi Science and Technology Normal University, Nanchang 330038, China.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
这项研究引入了一种新的双信号计算方法,将蛋白质序列和免疫组织化学 (IHC) 图像结合起来,用于预测蛋白质细胞下定位,从而实现更高的准确性.
科学领域:
- 生物化学和分子生物学
- 计算生物学 计算生物学
- 细胞生物学 细胞生物学
背景情况:
- 蛋白质细胞下定位对于理解细胞功能和生理环境至关重要.
- 现有的计算方法主要依赖于单个数据类型,如蛋白质序列或图像 (IHC,IF).
- 有限的研究存在于整合多种蛋白质信号类型,以增强本地化预测.
研究的目的:
- 开发和评估一个双信号计算协议,用于蛋白质亚细胞局部化预测.
- 为了研究融合蛋白序列数据与免疫组织化学 (IHC) 图像的有效性.
- 为了提高预测细胞区内的蛋白质位置的准确性和可靠性.
主要方法:
- 构建一个基准数据库,包含来自人类蛋白质图谱和瑞士-Prot的281种蛋白质,重点是ER,戈尔吉器官,细胞质和核质.
- 用IHC图像和蛋白质序列的歧视性特征运算符对蛋白质图像序列样本的量化.
- 开发一个使用缩小维度和二进制相关性 (BR) 的多分类器系统,并为最终的本地化决定提供投票机制.
主要成果:
- 集成IHC图像和蛋白质序列的双信号模型与单信号模型相比显示出更高的性能.
- 在预测蛋白质亚细胞定位方面,获得了75.41%的准确性,80.38%的精度和74.38%的回忆.
- 融合方法显著提高了预测能力,突出了多信号集成的价值.
结论:
- 开发的双信号计算协议通过整合多种数据源有效预测蛋白质亚细胞定位.
- 多信号融合,特别是结合IHC图像和蛋白质序列,为提高预测准确性提供了一个有希望的途径.
- 这项研究为未来关于生物预测多模式蛋白质数据集成的研究提供了基础.
