DEPICTER2：一个用于内在障碍和障碍功能预测的综合网络服务器

摘要

蛋白质的内在紊乱在自然界中相对丰富，对广泛的细胞功能至关重要。虽然可以根据蛋白质序列准确预测疾病，正如最近社区组织评估中的经验所证明的那样，但收集和汇编涵盖多种疾病功能的综合预测相当困难。为此，我们引入了DEPICTER2（DisorderEd PredictIon CenTER）网络服务器，它可以方便地访问快速准确的紊乱和紊乱功能预测因子的精选集合。该服务器包括最先进的疾病预测仪flDPnn和五种现代方法，涵盖所有当前可预测的疾病功能：无序连接物和蛋白质、肽、DNA、RNA和脂质结合。DEPICTER2允许选择六种方法的任意组合，对每个请求最多25个蛋白质进行批量预测，并提供结果预测的交互式可视化。Web服务器可从免费获得http://biomine.cs.vcu.edu/servers/DEPICTER2/

图形摘要

DEPICTER2网络服务器预测蛋白质序列中的内在紊乱和紊乱功能。

新标签中打开下载幻灯片

简介

内在无序蛋白质（IDPs）具有一个或多个内在无序区域（IDRs），在生理条件下缺乏稳定的三级结构(1–3). 生物信息学研究估计，IDPs和IDRs在自然界中相对常见，根据生物体的不同，有30%至50%的真核蛋白质具有至少一个长IDR和30个或更多连续无序氨基酸(4,5). IDP参与多种细胞功能(6–15)，位于多个蜂窝隔间(16)，导致人类疾病(17,18)和被认为是有希望的药物靶点(19,20). 然而，只有数百个包含在DisProt数据库中的IDR对其功能进行了实验性注释(21,22). 这些注释的可用性以及IDR具有内在成分偏差这一事实，使得它们可以从序列中预测(23,24)推动了从蛋白质序列预测疾病的计算方法的发展。有100多种疾病预测因子(25,26)以及三十多个紊乱功能的预测因子(27–29). 其中大多数依赖于机器学习模型，这些模型是使用由实验注释的IDR组成的训练数据集生成的(30,31). 功能预测因子涉及与特定类型的分子伴侣（如蛋白质、肽、DNA、RNA和脂质）以及无序连接区相互作用的IDR的预测。这些工具的预测性能在许多比较评估中进行了评估，包括CASP5和CASP10之间的社区驱动的蛋白质结构预测技术关键评估（CASP）实验(32,33)以及最近的先天性障碍的临界评估（CAID）实验(34). CAID的结果和随后的后续研究表明，现代疾病预测因子，尤其是那些依赖深层神经网络的预测因子，能够产生准确的结果(31,34,35). 基于深度学习的工具示例为flDPnn(36)，运动障碍2(37)，原始MSA(38)，AUCpreD(39)，IDP-Seq2Seq(40)，深IDP-2L(41)和DeepCLD(42).

计算方法为预测数百万缺乏注释的蛋白质序列的IDPs和IDRs并对其进行功能注释提供了一种准确且经济高效的方法。通过作者提供和支持的网络服务器和实现，以及使用流行的大型预计算疾病预测数据库，可以获得预测：D²P（P）²(43)和MobiDB(44). 虽然这些数据库方便地提供了数百万蛋白质的预测，但它们提供了一个相当窄的失调功能预测选择，仅涵盖蛋白质和肽结合。它们也仅限于目前包含的蛋白质。使用Web服务器和/或代码收集预测相当困难。这需要确定涵盖无序预测和所需无序功能预测的合适方法，如果选择了此选项，则安装代码，在多个输入/输出格式之间转换，使用多个接口，并组合不同的预测。有一个原型解决方案可以通过整合无序和无序功能预测来解决这个问题，即DEPICTER（无序预测中心）Web服务器(45). DEPICTER结合使用SPOT-Dorder-Single预测疾病(46)和IUPred2(47)，使用DFLpred的无序链接器(48)，核酸与二oRDPbind结合(49,50)以及与锚定2结合的蛋白质和肽(47)和fMoRFpred(51). 然而，该资源使用了一系列方法，这些方法现在的表现优于较新的解决方案（SPOT-无序-单一、IUPred2和fMoRFpred），当时仅预测一个序列，并忽略了最近开发的方法的无序函数。为此，我们提供了一个新的、显著改进的DEPICTER2资源。DEPICTER2提供了全面的快速工具选择，其中包括最先进的疾病预测器flDPnn(36)，以及五种涵盖当前可预测无序函数的方法：无序连接子（DFLpred(48)); 蛋白质和肽结合IDR（锚2(47)); MoRFs公司(51)，是通常位于IDR中的短蛋白结合片段，结合后经历无序到有序的转换（MoRF_{CHiBi_灯}(52)); DNA和RNA结合IDR（DisoRDPbind(49,50,53)); 和脂质结合IDRs（DisoLipPred(54)). DEPICTER2 Web服务器允许对多达25个蛋白质进行批量预测，自动化整个预测过程，提供结果的交互式可视化，并使用易于解析的多种格式文件（逗号可分离、xml和json）在六个工具中以一致的格式提供结果。DEPICTER2免费提供http://biomine.cs.vcu.edu/servers/DEPICTER2/.

材料和方法

DEPICTER2中包含的预测性能和方法选择

近150个障碍和障碍功能预测因子(25,27)，提供对所有这些工具的访问是不切实际的。因此，DEPICTER2涵盖了六个预测因子的精选集合，其中每种方法的目标是预测内在障碍的不同方面。我们选择了快速的、最近出版的、经经验证明的工具，以提供准确的预测工具，其中包括一个障碍预测工具和五个全面涵盖当前预测的五个障碍功能的工具。这些预测因子为输入序列中的每个残基生成两个结果：实值倾向和二进制分数（无序与结构；功能与无功能）。相应地，我们使用两个流行的指标量化预测准确性：评估倾向的接收器工作特性曲线下面积（ROC-AUC）和二进制预测的F1。

一篇分析CAID结果的CAID后评论得出结论：“SPOT-Dorder2和fIDPnn，其次是RawMSA和AUCpreD，一直表现良好。然而，fIDPnn至少比其竞争对手快一个数量级，并且它在所有序列上都取得了成功，而SPOT-Disorder2由于长度限制跳过了5%的序列(35). 更准确地说，flDPnn的ROC-AUC和F1值分别为0.814和0.48，SPOT-Dorder2的ROC-AUC和F1的值分别为0.760和0.47(34). 因此，DEPICTER2应用在CAID实验中最准确的疾病预测因子中最快的flDPnn来生成疾病预测。为了进行比较，DEPICTER中使用的两种方法在CAID中的ROC-AUC和F1分别为0.757和0.43（单点障碍）和0.740和0.42（IUPred2）(34).

目前的紊乱功能预测因子针对与蛋白质、肽、DNA、RNA和脂质等几种类型的分子伴侣相互作用的紊乱连接子和IDR的预测(27,28). DEPICTER2为每个函数都包含一个预测器，如果有多种方法可用，则根据CAID实验中的良好预测性能进行选择。事实上，CAID是第一个评估绑定IDR预测的社区驱动的工作。这一类别中的前三个预测因子是ANCHOR2，ROC-AUC=0.742和F1=0.22，DisoRDPbind，ROC-AUC=0.729和F1=0.21，以及MoRF_{CHiBi_灯}AUC=0.720，F1=0.21(34). 我们在DEPICTER2中包括这三个工具。他们预测了与蛋白质和肽（锚定蛋白2）、RNA和DNA（双RDPbind）以及MoRF区域（MoRF）相互作用的无序残基_{CHiBi_灯}). MoRFs是嵌入在较长IDR中的短区域，在与蛋白质和肽相互作用时经历无序到有序的转换(55,56). 为了进行比较，原始DEPICTER中包含的MoRF预测器fMoRFpred在CAID实验中获得ROC-AUC=0.55和F1=0.07。此外，我们重复使用了来自DEPICTER的无序连接子预测因子DFLpred。该工具在原始出版物中的低相似性测试数据集上确保ROC-AUC=0.715（链接器预测未包含在CAID中）(48). 最后，DEPICTER2合并了DioLipPred，这是CAID实验完成后释放的无序脂质结合残基的唯一预测因子。DisoLipPred在低相似度测试数据集上获得ROC-AUC=0.781和F1=0.15，优于其他间接预测这种功能性疾病的方法(54). 总共有六种选择的方法（flDPnn、ANCHOR2、DisoRDPbind、MoRF_{CHiBi_灯}，DFLpred和DisoLipPred）相对准确，除DisoLip Pred外，大多数都针对速度进行了优化。对于长度分别为100、300和1000个氨基酸的序列，他们的预测可以在大约15、30和80秒内完成。

结果

建筑

图1总结了DEPICTER2 Web服务器的工作流。我们使用输入序列（步骤1）生成具有多个第三方方法的综合概要文件（步骤2）。该剖面量化了序列衍生信息，这些信息对无序和无序功能预测有用，包括序列保守性、假定的二级结构、溶剂可及性和其他特征。此配置文件在单独运行的六个预测器之间共享。每个预测器依赖于其自身的特征工程程序，该程序将剖面的特定部分转换为预测模型使用的输入（步骤3）；细节在他们的出版物中描述(36,47,48,50,52,54). 我们将这些特征输入到相应的预测模型中（步骤4），这些预测模型分别对六个预测因子中的每一个进行预测（步骤5）。这是一个相当复杂的体系结构，有九个第三方程序，几个截然不同的特征工程程序，包括最复杂的flDPnn程序，它在氨基酸、序列窗口和全链水平上生成特征，以及七个不同的预测模型。这些模型包括相对简单的回归（DFLpred和DisoRDPbind）、评分函数（ANCHOR2）和贝叶斯模型（MoRF_{CHiBi_灯})到更复杂的深度前馈和递归神经网络（flDPnn和DisoLipPred）。结果包括彩色编码的二进制预测（用水平条表示）和相应的实际值倾向（图1). Web服务器位于http://biomine.cs.vcu.edu/servers/DEPICTER2/。我们注重便利。程序和模型由服务器端的脚本自动运行。用户无需在web浏览器旁边安装任何其他软件。前端是用HTML和JavaScript实现的，而后端是基于PHP、Java、Python和MySQL数据库的。我们提供了一个简单的导航输入界面和可解析的文本文件和图形输出。

输入和接口

我们使用人类蛋白Ataxin-3（Disprot ID:DP00576；Uniprot ID:P54252）的结果讨论DEPICTER2的输入和输出。Ataxin-3是一种去泛素化酶，在蛋白质降解前将泛素从蛋白质中分离出来。Ataxin-3具有无序的C末端结构域（位置174–361）(57,58)它承载多个泛素相互作用基序（UIM），对去泛素化至关重要(59,60).

图2安培显示了DEPICTER2的界面。要求用户提供FASTA格式的蛋白质序列或UniProt登录，以及（可选）电子邮件地址。图2安培显示了按Ataxin-3序列提交的示例。我们建议提供电子邮件，因为这是预测过程完成后发送结果链接的地方；否则，用户必须确保浏览器窗口在预测过程中处于打开和活动状态。输入界面允许选择六种方法的任意组合，默认情况下，会选择更快的五个预测值（请参阅“运行时”部分）。当选择快速工具时，我们支持对多达25个蛋白质进行批量预测，当包含慢速DioLipPred时，我们将输入限制为两个蛋白质。选择方法后，单击“运行”按钮启动预测。浏览器重定向到显示服务器队列中当前位置的状态页。为了向用户提供公平的访问，应用了先到先得的服务队列，每个用户最多只能有五个并发请求。我们还将每次提交的时间限制在15分钟左右，这就是为什么我们将输入蛋白质的数量限制为25个。一旦预测完成，状态页面将重定向到结果页面。

输出

结果页面提供了指向每个输入序列的图形输出的链接，以及下载每个选定方法的原始格式输出的链接，这些输出有几种易于解析的格式，包括逗号可分离文本、json和xml。这些文件包括对所包含数据的解释，这些数据包括原始倾向得分、使用min-max归一化为单位间隔的倾向得分以及二进制预测。我们将这些结果存储在服务器上至少3个月。图形格式是彩色编码的，具有缩放、选择、图像下载、平移和标注功能。交互式彩色编码面板（图1和2B型)分为三部分：（i）假定的疾病（粉红色）；（ii）假定的连接物（黄色）和（iii）假定的无序结合区域（淡红色的MoRF，深红色的蛋白质结合，蓝色的DNA结合，浅蓝色的RNA-结合和绿色的脂质结合）。每个面板在顶部显示蛋白质水平数据，包括预测残基的百分比和预测区域的数量（长度≥4个残基）。残差水平预测显示为绘制在折线图中的倾向得分。上述二进制标签显示为水平条。用于导出二进制预测的阈值（倾向>阈值的残差被分类为无序/功能残差）标记为线纹理上的水平虚线。阈值由方法的作者建立，通常对其进行校准，以确保预测的无序/功能残基的接近天然速率(36,47,48,50,52,54). 鼠标悬停时可以查看预测区域中的残留物范围及其潜在倾向得分。每个面板都允许缩放绘图的一部分，平移两侧的轴，将轴重置为原始视图，并将其下载为PNG和SVG格式的图像。

我们解释了如何使用Ataxin-3的预测来读取输出（图2B型). 我们的网络服务器预测Ataxin-3有48%的无序残基（图中粉红色面板的顶部2B型)，接近参考数据库DisProt（DisProt ID:DP00576）中报告的52.1%的天然紊乱含量。DEPICTER2预测C终点有四个IDR（位置193-196、199-202、207-340和349-361；图中的粉红色面板2B型). 这些区域与本地IDR的位置一致（位置174–361）(57,58). DEPICTER2还预测，假定IDR位于49–66位；然而，与C末端的区域相比，该区域的潜在预测倾向得分值更低。更广泛地说，与更高倾向相关的假定IDR（二进制预测）更有可能对应正确的预测。网络服务器还预测了两个蛋白质结合区域（位置215–291和307–355；图底部的深红色面板2B型)与共济失调蛋白-3的蛋白结合UIM结构域一致(58,61). MoRF预测（图中的红色面板2B型)包括五个区域，其中三个与共济失调-3的蛋白结合区域一致，而N末端附近的两个短区域可能是虚假预测。

运行时

我们根据输入蛋白质的大小对DEPICTER2中的六种方法进行了运行时分析。我们从CAID中使用的DisProt数据集中随机选择100个蛋白质，收集并比较它们的运行时间(34)使用相同的硬件和操作系统：Linux OS（Ubuntu v14.04.5），48个64位Intel处理器和128个GM RAM。为了适应后台工作负载导致的性能变化，我们为每个预测器测量了三次运行时间，每次运行之间有一个中断，并记录三次复制的平均值。为了研究序列长度对运行时的影响，我们将序列按长度升序排序为五个大小相等的箱子。图三绘制以秒为单位的平均运行时间(年-以10为底的对数刻度轴）与中位数序列长度(x个-轴）。DisoLipPred的运行时间大大高于其他五种方法，与ANCHOR2和DFLpred相比大约高出3个数量级，与MoRF相比高出2个数量级_{CHiBi_灯}、DisoRDBbind和flDPnn。因此，我们将DisoLipPred归类为一种缓慢的方法，并将该方法的Web服务器输入限制为两种蛋白质。这五个快速预测因子需要<30 s才能得出平均长度蛋白质的结果，ANCHOR2和DFLpred在不到1s的时间内完成预测。图三同时也揭示了较长序列的运行时间会增加。然而，不同工具的增长程度不同。DFLpred和ANCHOR2受序列长度的影响最小，因为它们的运行时在最短和最长的序列箱之间增加了2倍，而DisoRDPbind的增长最慢，为25倍。

总结

尽管有近150个内在障碍和障碍功能预测因子可用，但缺乏获得全面涵盖障碍及其广泛功能的高质量预测的便捷选择。DEPICTER2网络服务器大大扩展了其原型DEPICTER，并提供了一个一站式解决方案，其中包括通过准确快速的flDPnn以及五种最先进的方法来预测内在紊乱，这五种方法提供了当前可用紊乱功能预测的完整覆盖范围：无序链接器、MoRF、，蛋白质、RNA、DNA和脂质相互作用区域紊乱。预测相互作用区域的能力将有助于下游将此知识用于其他应用，如药物设计。最近的研究表明，利用国内流离失所者作为药物靶标具有未开发的价值(19,62)例如，在宿主-蛋白酶相互作用和蛋白质组装物和生物分子凝聚物形成的背景下(63,64). 这将需要开发新的无序特异性评分函数，遵循结构化交互作用的类似努力(65)以及获得IDP-drug相互作用注释的精选集，后者的规模有限。

DEPICTER2在服务器上自动运行六种方法，而无需安装任何软件。它提供了一个易于导航的输入界面，支持选择任何方法组合和批量提交。Web服务器以两种方式生成预测，一种是格式一致且易于解析的文本文件，另一种是带有交互式功能的彩色编码图形界面，其中包括残余水平和蛋白质水平的结果。简言之，DEPICTER2是一个准确快速的平台，为无序和无序功能预测提供了一种整体方法。DEPICTER2 Web服务器可在以下网站免费获得：http://biomine.cs.vcu.edu/servers/DEPICTER2/。我们致力于长期维护该资源，并计划定期更新，以纳入其涵盖的预测程序的更新版本，并通过包含未来可预测的其他功能来扩展范围。此外，对预测大量蛋白质集合感兴趣的用户应考虑DescribePROT数据库(66)在http://biomine.cs.vcu.edu/servers/DESCRIBEPROT/DescribePROT提供了从DEPICTER2中包括的几种方法（如DFLpred、DisoRDPbind和MoRFchibi）对流行/模式生物273个完整蛋白质组中230万个蛋白质进行预先计算预测的途径。我们计划在不久的将来将其他三种方法的预测合并到该资源中。

数据可用性

DEPICTER2免费提供http://biomine.cs.vcu.edu/servers/DEPICTER2/.

基金

国家科学基金项目[DBI2146027，IIS2125218]；Robert J.Mattauch捐赠基金（给L.K.）。开放存取费用的资金来源：NSF。

利益冲突声明。未声明。

参考文献