以域为中心的酶委员会（EC）注释和结构域酶委员会本体
跳转到[顶部·域2EC·SDEO公司·数据可用性]
本文件解释了蛋白质结构分类中分类的结构域的EC注释背后的细节(SCOP公司)数据库（Andreeva等人，2008）。IntEnz（综合关系酶数据库）是一个专注于酶命名法的资源，这是一个与UniProts交叉引用的酶（蛋白质催化剂）命名系统。结合SUPERFAMILY数据库中蛋白质的全基因组域分配（Gough，2006），我们对检测EC本体与结构域的相关性进行了统计推断。我们认为如果一个EC术语倾向于注释包含一个结构域的蛋白质，那么这个术语也应该给出该结构域的酶信号。基于此，以结构域为中心的EC注释可以从蛋白质/uniprot EC注释中推断出来。此外，我们已经初始化了EC的精简版，这是注释域信息量最大的版本。该资源代表了开发结构域EC本体（SDEO）的持续努力。与一起（排序）生命的参考物种树，该资源实际上可以用于查看由任何选定的EC术语注释的域集在物种进化过程中的分布。
推断SCOP域EC注释的管道
跳转到[顶部·域2EC·SDEO公司·数据可用性]
背后的动机是：如果一个EC术语倾向于注释包含一个结构域的蛋白质，那么这个术语也应该为该结构域提供酶信号。如果含有EC注释蛋白的结构域的数量显著高于偶然预期，则可以反向推断结构域的这种酶信号。图1总结了如何从鼠标中的单个蛋白质/基因级注释生成以域为中心的EC注释的过程。
|
|
图1。使用IntEnz数据库和SUPERFAMILY数据库中的域分配推断以域为中心的EC注释的流程图。
|
数据源蛋白质/单蛋白EC注释摘自IntEnz公司。不同于域2GO，所有蛋白质（即Uniprot2EC映射矩阵）都支持结构域和EC之间的关联，因为在可注释的Uniprots中使用数量不足的单核结构域蛋白质进行统计测试失败。
统计分析对于Uniprot2EC映射矩阵，执行两种类型的丰富以推断域和EC项之间的总体和相对关联(图2).EC术语（如t）和结构域（如d）之间可能关联的统计推断不仅在我们可分析的基因空间中进行，而且在注释给EC术语直接父代的那些基因的上下文中进行。这些双重约束确保只保留那些信息最丰富的EC术语。当同时比较多个假设检验时，可以使用错误发现率（FDR）方法评估域-EC术语关联的统计显著性（Benjamini和Hochberg，1995）。最终的FDR用于确定域EC术语关联的重要性。
域2EC识别高质量域名EC协会的标准基于严格的FDR（<0.001）。由于SCOP将进化相关领域划分为超家族水平和家庭级别，我们相应地为两个域级别中的每一个生成了以域为中心的EC注释。
|
|
图2。根据超几何分布评估推断的统计显著性，生成整体注释的总体过度表示（左面板）和所有直系父母的相对过度表示（中面板）。基于最大P值，域-EC术语关联的统计显著性可以通过FDR解释多重假设检验的方法进行评估（右面板）。
|
初始化结构域酶委员会本体
跳转到[顶部·域2EC·SDEO公司·数据可用性]
基于高质量的Domain2EC，我们还初始化了一个精简版本的EC，这是注释结构域信息量最大的版本(图3).
|
|
图3。基于Domain2EC注释配置文件的信息论分析创建结构域酶委托本体（SDEO）的流程图。
|
弗斯特，我们应用信息论来定义EC术语的信息内容（IC）：负log10-注释到该术语的观测域频率的变换对于任何域，注释到该域的EC术语构成DAG中的域EC注释配置文件，包括直接注释以及根据真路径规则继承的注释。考虑到EC术语之间依赖性的性质（或所谓的真路径规则），直接注释到特定EC术语（称为直接注释）的域/蛋白质应可继承地注释到其父术语（术语为继承注释）。上面生成的EC注释可以被视为直接注释。完整的EC注释（直接注释和继承注释）用于计算所有EC术语的IC。值得注意的是，那些具有类似IC的EC术语可以表示DAG在Domain2EC方面的分区。
第二给定一个预定义的IC（例如1）作为种子及其对应的范围（例如[0.75 1.25]），该算法从最初未标记的所有EC术语开始，迭代地识别最接近预定义IC的未标记EC术语，直到标记所有EC术语(图4). 为了确保每个路径只能识别一个EC术语，应满足以下约束：如果在同一路径中识别出具有相同IC的多个EC术语，则这些父术语将被过滤掉；一旦确定了EC术语，该术语所在路径中的所有术语都将被标记为不受进一步搜索的影响。
最后输出为EC术语，IC在该范围内。我们使用四个种子IC（即0.5、1、1.5和2）中的每一个来运行算法，以创建SDEO，分别对应于具有四个级别的EC项(信息最少,信息量适中,信息丰富的,信息量大).
|
|
图4。演示如何迭代创建结构域酶委员会本体（SDEO）的算法。I） 。最初，所有EC术语都没有标记（开圆圈）；二） ●●●●。识别那些未标记的EC术语（用粉红色填写），IC与预定义IC最接近（例如，1）；三） ●●●●。从步骤II中确定的EC术语中筛选出这些母公司EC术语。四） ●●●●。标记EC术语及其所有祖先和后代。V-VI）。继续步骤II-IV，反复识别未标记的EC术语，直到标记所有EC术语。七） ●●●●。仅输出IC在范围内（例如[0.75 1.25]）确定为SDEO的EC术语。
|
数据可用性
跳转到[顶部·域2EC·SDEO公司·数据可用性]
除了两个层次结构之外(SCOP-层次结构，或EC-层级)对于浏览，我们还提供了两种可解析格式的Domain2EC映射结果（即普通文件和mysql表）。尽管我们在SCOP也提供Domain2EC折叠和班级别，应特别注意，因为就进化相关性而言，它们绝对是无用的.
Domain2EC映射结果
- 以域为中心的高覆盖率EC注释可在域2EC.txt文件。
- 被视为SDEO的EC术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到这个SDEO.txt文件文件。我们强烈建议用户使用这些EC术语及其注释域域2EC.txt不同于整个EC层次结构，不同粒度的EC术语在其与域（而非蛋白质）的相关性方面具有代表性和全面性。请记住，SDEO对应于四种SCOP域类型（即。，FA、SF、CF和CL).
Domain2EC MySQL表
我们用四张桌子(域2EC.sql.gz)以存储上述信息（即。，Domain2EC映射结果):
EC信息（_I）：包含有关EC术语的信息。 >描述EC信息；+-------------+----------------------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+-------------+----------------------------------+------+-----+---------+-------+|ec|varchar（15）|NO|PRI|NULL|||namespace|enum（'root'，'enzyme_commission'）|NO||NULL|||description|varchar（255）|NO||NULL|||distance|tinyint（3）unsigned|NO||NULL||+-------------+----------------------------------+------+-----+---------+-------+
- 这个电子商务列是EC id，请参见IntEnz-分类规则。可通过以下方式浏览EC-层级.
- 这个命名空间列是哺乳动物的表型，否则为根。
- 这个描述列显示EC术语的全名。
- 这个距离列显示EC术语到根的距离。
EC_hie（_H）：包含有关EC层次结构的信息。>描述EC_hie；+----------+---------------------+------+-----+---------+-------+|字段|类型| Null |键|默认值|额外|+----------+---------------------+------+-----+---------+-------+|parent|varchar（15）|NO|PRI|NULL||child|varchar（15）|NO|PRI|NULL||distance|tinyint（3）unsigned|NO|PRI|NULL|+----------+---------------------+------+-----+---------+-------+
- 这个起源列是EC id。
- 这个小孩列是EC id。
- 这个距离列显示直接父子关系的父EC id到子EC id的距离。其他列指示它们之间存在路径（可到达但间接）。
EC映射（_M）：包含有关Domain2EC注释的信息。>描述EC映射；+----------------+---------------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+----------------+---------------------------+------+-----+---------+-------+|id|mediumint（8）unsigned|NO|PRI|NULL|||level|enum（'cl'，'cf'，'sf'，'fa'）|NO||NULL|||ec|varchar（15）|NO|PRI|NULL|||all_score|double|NO||1|||inherited_from|text|YES||NULL||+----------------+---------------------------+------+-----+---------+-------+
- 这个身份证件是SCOP唯一标识符，太阳系的。可通过以下方式浏览SCOP-层次结构.
- 这个水平在SCOP层次结构中。可以是class的“cl”，fold的“cf”，superfamily的“sf”，fa的“fa”之一。
- 这个电子商务列是EC id。
- 这个所有核心列是所有UniProt（包括多域UniProt）支持的FDR。
- 这个继承自列用于标记Domain2EC预测注释的状态。1)如果标记为“directed”（即“all_score”<0.001），则所有UniProt（包括多域UniProt）都显著支持Domain2EC。2)如果它是一个以逗号分隔的EC id列表（数字部分；列“all_score”不小于0.001），则在DAG中应用true-path规则时，Domain2EC继承自任何下降的EC术语（显著相关）。3）否则清空。因此，使用NOT EECTY选择列“inherited_from”可以获得Domain2EC的列表.
EC（_I）：包含SDEO的信息。>描述EC_ic；+---------+---------------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+---------+---------------------------+------+-----+---------+-------+|level|enum（'cl'，'cf'，'sf'，'fa'）|NO|PRI|NULL|||ec|varchar（15）|NO|PRI|NULL |||ic|double|YES||NULL|||include|tinyint（2）|YES|MUL|NULL||+---------+---------------------------+------+-----+---------+-------+
- 这个水平在SCOP层次结构中。可以是class的“cl”，fold的“cf”，superfamily的“sf”，fa的“fa”之一。
- 这个电子商务列是EC id。
- 这个集成电路列显示了EC术语的信息内容。
- 这个包括列指示EC术语是否属于SDEO。如果该列设置为“0”，则它不是SDEO的成员。否则，“1”表示信息最少（即最通用），“2”表示信息适度，“3”表示信息丰富，“4”表示信息高度（即最具体）。
工具书类
|
