Computational methods for protein localization prediction.
Computational methods for protein localization prediction.
复制标题
DOI：
10.1016/j.csbj.2021.10.023
复制
发表时间：
2021
影响因子：
6
通讯作者：
Xu D
中科院分区：
文献类型：
--
作者：
Jiang Y;Wang D;Wang W;Xu D
蛋白质定位的精确注释对于理解蛋白质的功能以及病理分析和药物设计等广泛的应用至关重要。由于大多数蛋白质不具有实验确定的定位信息，因此蛋白质定位的计算预测已经成为二十多年来的活跃研究领域。特别是，最近的机器学习进步推动了蛋白质定位预测新方法的发展。在这篇综述文章中，我们首先对蛋白质定位预测的主要特征和算法进行分类。然后，我们总结了蛋白质定位预测工具的覆盖范围，特点和可访问性，以帮助用户根据自己的需求找到合适的工具。接下来，我们在基准数据集上评估其中的一些工具。最后，我们对蛋白质定位方法的未来探索进行了展望。
The accurate annotation of protein localization is crucial in understanding protein function in tandem with a broad range of applications such as pathological analysis and drug design. Since most proteins do not have experimentally-determined localization information, the computational prediction of protein localization has been an active research area for more than two decades. In particular, recent machine-learning advancements have fueled the development of new methods in protein localization prediction. In this review paper, we first categorize the main features and algorithms used for protein localization prediction. Then, we summarize a list of protein localization prediction tools in terms of their coverage, characteristics, and accessibility to help users find suitable tools based on their needs. Next, we evaluate some of these tools on a benchmark dataset. Finally, we provide an outlook on the future exploration of protein localization methods.
登录
查看更多内容
影响因子：
14.9
作者：
Lee, KiYoung;Kim, Dae-Won;Na, DoKyun;Lee, Kwang H.;Lee, Doheon
通讯作者：
Lee, Doheon
影响因子：
16.6
作者：
Christoforou A;Mulvey CM;Breckels LM;Geladaki A;Hurrell T;Hayward PC;Naake T;Gatto L;Viner R;Martinez Arias A;Lilley KS
通讯作者：
Lilley KS
影响因子：
3
作者：
Blum T;Briesemeister S;Kohlbacher O
通讯作者：
Kohlbacher O
影响因子：
14.9
作者：
Briesemeister S;Rahnenführer J;Kohlbacher O
通讯作者：
Kohlbacher O
DOI：
10.1093/protein/12.2.107
发表时间：
1999-02-01
期刊：
PROTEIN ENGINEERING
影响因子：
--
作者：
Chou, KC;Elrod, DW
通讯作者：
Elrod, DW