ResiRole: residue-level functional site predictions to gauge the accuracies of protein structure prediction techniques.
ResiRole: residue-level functional site predictions to gauge the accuracies of protein structure prediction techniques.
复制标题
DOI：
10.1093/bioinformatics/btaa712
复制
发表时间：
2021-04-20
期刊：
影响因子：
--
通讯作者：
McLaughlin WA
中科院分区：
文献类型：
--
作者：
Toth JM;DePietro PJ;Haas J;McLaughlin WA
用户应用程序需要评估蛋白质结构模型质量的方法。为了帮助结构模型的选择，并进一步通知结构预测技术的发展，我们描述了ResiRole方法的结构模型的质量评估。结构预测技术的排名根据循环，头对头比较使用差异分数的结果。每个差异评分定义为使用FEATURE程序对参考结构进行的功能位点预测的累积概率减去结构模型的累积概率的绝对值。总的来说，差异分数与其他模型质量指标相关性很好;基于NaïveBLAST的基准研究，发现它们可以检测结构模型和参考结构之间的其他局部结构相似性。在CAMEO中处理的模型的自动分析可通过ResiRole服务器获得，URL http://protein.som.geisinger.edu/ResiRole/。还可以使用用户提供的模型和参考结构进行交互式分析。代码可在github.com/wamclaughlin/ResiRole上获得。 补充数据可在Bioinformatics在线获得。
Methods to assess the quality of protein structure models are needed for user applications. To aid with the selection of structure models and further inform the development of structure prediction techniques, we describe the ResiRole method for the assessment of the quality of structure models. Structure prediction techniques are ranked according to the results of round-robin, head-to-head comparisons using difference scores. Each difference score was defined as the absolute value of the cumulative probability for a functional site prediction made with the FEATURE program for the reference structure minus that for the structure model. Overall, the difference scores correlate well with other model quality metrics; and based on benchmarking studies with NaïveBLAST, they are found to detect additional local structural similarities between the structure models and reference structures. Automated analyses of models addressed in CAMEO are available via the ResiRole server, URL http://protein.som.geisinger.edu/ResiRole/. Interactive analyses with user-provided models and reference structures are also enabled. Code is available at github.com/wamclaughlin/ResiRole. Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
2.9
作者：
Haas J;Barbato A;Behringer D;Studer G;Roth S;Bertoni M;Mostaguir K;Gumienny R;Schwede T
通讯作者：
Schwede T
影响因子：
14.8
作者：
Kelley LA;Mezulis S;Yates CM;Wass MN;Sternberg MJ
通讯作者：
Sternberg MJ
影响因子：
2.9
作者：
Keedy, Daniel A.;Williams, Christopher J.;Richardson, Jane S.
通讯作者：
Richardson, Jane S.
ModFold6：用于3D蛋白质模型的全局和本地质量估计的准确Web服务器。
影响因子：
14.9
作者：
Maghrabi AHA;McGuffin LJ
通讯作者：
McGuffin LJ
影响因子：
14.9
作者：
Kim, DE;Chivian, D;Baker, D
通讯作者：
Baker, D