使用HiFi-NNN对微生物暗物质进行注释

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
• 酶学 是一种酶学.

背景情况:

• 对具有酶功能的蛋白质序列进行准确的计算注释是一个重大挑战.
• 现有的方法在精度和回忆方面存在困难,特别是对于具有远程序列同质性的蛋白质.

研究的目的:

• 为精确的蛋白质功能注释引入HiFi-NN (层次精细调整的最近邻居搜索).
• 评估HiFi-NN的性能与最先进的方法相比,包括深度学习和BLASTp.
• 为了证明HiFi-NN在纠正数据库错误和注释非特征蛋白质方面的实用性.

主要方法:

• 开发了HiFi-NN,一种新的层次精细调整的近邻搜索算法.
• 与现有的深度学习方法和BLASTp对酶委员会 (EC) 编号注释进行基准HiFi-NN.
• 研究了查找集多样性对HiFi-NN性能的影响.
• 应用了HiFi-NN来纠正BRENDA数据库中的错误注释,并注释NMPFamDB序列.

主要成果:

• HiFi-NN实现了更高的精度和回忆比最先进的深度学习方法EC号码注释.
• 与BLASTp相比,HiFi-NN正确地识别了与BLASTp相比较低的序列身份的EC数字.
• 查找集中的多样性增加显著改善了HiFi-NN的性能.
• 在BRENDA数据库中成功纠正了特定的错误注释.
• 来自NMPFamDB的注释功能暗物质蛋白序列.

结论:

• HiFi-NN为*in silico*蛋白质功能注释提供了更准确和更强大的方法.
• 该方法对来自遥远序列空间的蛋白质特别有效,并有助于改进现有的酶数据库.
• HiFi-NN通过让人们更好地了解蛋白质的功能来推动生物信息学领域的发展.