×

深度

swMATH ID: 25085
软件作者: Song J、Tan H、Mahmood K、Law RH、Buckle AM、Webb GI、Akutsu T、Whistock JC。
描述: 深度:仅通过蛋白质序列的支持向量回归方法预测残留深度。残留物深度(RD)是一种溶剂暴露测量,它补充了传统可及表面积(ASA)提供的信息,并描述了残留物在蛋白质结构空间中的埋藏程度。先前的研究已经证实,RD与一些蛋白质特性相关,例如蛋白质稳定性、残基保守性和氨基酸类型。准确预测RD在结构生物信息学领域有许多潜在的重要应用,例如,有助于从序列信息中识别功能重要的残基、折叠核中的残基或酶活性位点。在这项工作中,我们介绍了一种使用支持向量回归量化RD和蛋白质序列之间关系的有效方法。我们系统地研究了八种不同的序列编码方案,包括局部和全局序列特征,并检验了它们各自的预测性能。为了对我们的方法进行客观评估,我们使用了5倍交叉验证来评估预测准确性,并表明当观测和预测RD值之间的相关系数(CC)为0.71,均方根误差(RMSE)为1.74时,可以实现整体最佳性能,在合并了相关的多序列特征之后。结果表明,仅从蛋白质一级序列就可以可靠地预测残留深度:局部序列环境是主要的决定因素,而全局序列特征对预测性能影响不大。我们重点介绍了两个例子作为比较,以说明这种方法的适用性。我们还讨论了这个新的结构参数在蛋白质结构预测和同源性建模领域的潜在意义。这种方法可能被证明是序列分析的有力工具。
主页: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2742725/
引用于: 0个文档