Amino acid torsion angles enable prediction of protein fold classification.
Amino acid torsion angles enable prediction of protein fold classification.
复制标题
氨基酸扭转角能够预测蛋白质折叠分类。
DOI：
10.1038/s41598-020-78465-1
复制
发表时间：
2020-12-10
影响因子：
4.6
通讯作者：
Yau SS
中科院分区：
文献类型：
--
作者：
Tian K;Zhao X;Wan X;Yau SS
蛋白质结构可以提供帮助生物学家预测和理解蛋白质功能和相互作用的见解。然而，已知蛋白质结构的数量并没有跟上高通量测序确定的蛋白质序列的数量。目前用于确定蛋白质结构的技术很复杂，需要大量的时间来分析实验结果，特别是对于大的蛋白质分子。这些方法的局限性促使我们创造一种新的蛋白质结构预测方法。在这里，我们描述了一种新的方法来预测蛋白质的结构和结构类的氨基酸序列。我们的预测模型表现良好，与以前的方法相比，当应用到两个CATH数据集的结构分类超过5000个蛋白质结构域。结构分类的平均准确率为92.5%，高于以往的研究。我们还使用我们的模型来预测四个已知的蛋白质结构与一个单一的氨基酸序列，而许多其他现有的方法只能得到一个可能的结构，为一个给定的序列。结果表明，该方法为蛋白质结构预测研究提供了一种新的有效和可靠的工具。
Protein structure can provide insights that help biologists to predict and understand protein functions and interactions. However, the number of known protein structures has not kept pace with the number of protein sequences determined by high-throughput sequencing. Current techniques used to determine the structure of proteins are complex and require a lot of time to analyze the experimental results, especially for large protein molecules. The limitations of these methods have motivated us to create a new approach for protein structure prediction. Here we describe a new approach to predict of protein structures and structure classes from amino acid sequences. Our prediction model performs well in comparison with previous methods when applied to the structural classification of two CATH datasets with more than 5000 protein domains. The average accuracy is 92.5% for structure classification, which is higher than that of previous research. We also used our model to predict four known protein structures with a single amino acid sequence, while many other existing methods could only obtain one possible structure for a given sequence. The results show that our method provides a new effective and reliable tool for protein structure prediction research.
登录
查看更多内容
影响因子：
3.7
作者：
Tian K;Yang X;Kong Q;Yin C;He RL;Yau SS
通讯作者：
Yau SS
DOI：
10.1073/pnas.1506788112
发表时间：
2015-06-02
影响因子：
11.1
作者：
MacCallum, Justin L.;Perez, Alberto;Dill, Ken A.
通讯作者：
Dill, Ken A.
DOI：
10.1073/pnas.87.10.3718
发表时间：
1990-05-01
影响因子：
11.1
作者：
KIDERA, A;GO, N
通讯作者：
GO, N
影响因子：
56.9
作者：
FRAUENFELDER, H;SLIGAR, SG;WOLYNES, PG
通讯作者：
WOLYNES, PG
DOI：
10.1002/prot.340210406
发表时间：
1995-04-01
期刊：
PROTEINS-STRUCTURE FUNCTION AND GENETICS
影响因子：
--
作者：
CHOU, KC
通讯作者：
CHOU, KC