涉及相隔的内在无序区域的基于序列的预测的实证评估

科学领域:

• 生物化学和分子生物学
• 计算生物学
• 基因组学和蛋白质组学

背景情况:

• 阶段分离驱动无膜细胞器的形成,涉及蛋白质中的结构域和内在无序区域 (IDR).
• 已有30多个计算工具可以预测蛋白质阶段分离的序列,重点是因其与疾病相关性的IDR.
• 最近的研究表明结构蛋白的相分离预测准确,促使对IDR的预测因子进行评估.

研究的目的:

• 评估氨基酸水平预测器的性能,以识别相隔内在无序区域 (IDR).
• 在包括结构化和无序区域在内的场景中比较预测器准确性.
• 确定用于预测相隔IDR的最准确的计算工具.

主要方法:

• 评估了八种代表性氨基酸水平相分离预测剂.
• 使用一个注释良好的,低相似性测试数据集.
• 根据两个互补的评价情景评估绩效:包括所有序列,只关注混乱的区域.

主要成果:

• 许多预测器在更简单的场景 (结构化和无序序列) 中显示了准确性.
• 现代障碍预测器与相分离预测器相匹配,以区分相分离IDR与结构区域.
• 在具有挑战性的情景中 (仅限无序区域),大多数预测指标显示出适度的准确性,其中一些预测指标倾向于将无序残留物分类为分相.

结论:

• 当仅在无序区域内预测相位分离时,失序预测器的表现不佳.
• 在两个评估场景中,PSPHunter在识别相隔IDR方面表现出最高的准确性.
• 这项研究强调需要强大的预测器,能够准确识别相隔IDR,特别是在具有挑战性的环境中.