相关实验视频
Updated: Jun 18, 2026
07:55
Using SCOPE to Identify Potential Regulatory Motifs in Coregulated Genes
Published on: May 31, 2011
10.4K
快速和可扩展的查询真核细胞线性图案与gget elm
Laura Luebbert1, Chi Hoang2, Manjeet Kumar3
1Division of Biology and Biological Engineering, California Institute of Technology, Pasadena, CA 91125, United States.
Bioinformatics (Oxford, England)
|February 20, 2024
概括
一个新的Python工具,gget elm,可以快速大规模分析蛋白质序列中的真核细胞线性基因 (ELM). 这克服了ELM数据库网络接口的限制,用于模式发现和功能分析.
科学领域:
- 生物化学 生物化学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 细胞线性基因 (ELM) 是关键的蛋白相互作用模块,参与细胞过程,信号传递和癌症等疾病.
- 该ELM数据库是动机生物学研究和在蛋白质序列中识别候选ELM的关键资源.
- 目前的基于网络的ELM分析工具对大规模查询有局限性,阻碍了将其集成到自动化管道中.
研究的目的:
- 开发一种可扩展的解决方案,用于分析蛋白序列中的真核细胞线性基因 (ELM).
- 提高ELM数据库的可访问性和实用性,用于大规模生物信息学分析.
- 促进模式分析在蛋白质功能研究和疾病研究中的整合.
主要方法:
- 用一个新的模块扩展了python和命令行工具的gget套件,gget elm.
- 在没有直接依赖ELM服务器的情况下,gget elm可以执行高效的候选ELM识别.
- 该工具处理用户提交的氨基酸序列和UniProt Accessions进行动机分析.
主要成果:
- 开发了gget elm,用于使用ELM数据库信息进行快速,大规模的图案分析.
- 克服了ELM网络界面和API处理大量数据集的局限性.
- 启用了可扩展的搜索,在氨基酸序列内寻找动机介导的相互作用位点.
结论:
- gget elm显著提高了ELM分析的效率和可扩展性.
- 该工具增强了将图案发现纳入更广泛的蛋白质功能和疾病研究的整合.
- 为生物信息学社区提供了一个有价值的,可访问的资源.
