Binding interface prediction by combining protein-protein docking results.
Binding interface prediction by combining protein-protein docking results.
复制标题
DOI：
10.1002/prot.24354
复制
发表时间：
2014-01
影响因子：
2.9
通讯作者：
Weng, Zhiping
中科院分区：
文献类型：
--
作者：
Hwang, Howook;Vreven, Thom;Weng, Zhiping
关键词：
我们开发了一种称为残基接触频率(RCF)的方法，它利用蛋白质-蛋白质对接算法ZDOCK产生的复杂结构来预测界面残基。与仅基于单体的界面预测算法不同，RCF是特定于结合伙伴的。我们在一个大型蛋白质对接基准上使用精确度-召回(PR)曲线(AUC)下的面积来评估RCF的性能。RCF(AUC=0.44)与Meta-PPISP(AUC=0.43)的预测效果相当，后者是最好的基于单体的界面预测方法之一。此外，我们还测试了一种支持向量机，将RCF与Meta-PPISP和另一种基于单体的界面预测算法进化踪迹相结合，以进一步提高性能。我们发现RCF和Meta-PPISP相结合的支持向量机具有最好的性能(AUC=0.47)。我们使用RCF来预测可以与多个伙伴结合的蛋白质的结合界面，并且RCF能够正确地预测各个结合伙伴唯一的界面残基。此外，我们发现对结合亲和力有很大贡献的残基(热点残基)的RCF显著高于其他残基。
We developed a method called Residue Contact Frequency (RCF), which uses the complex structures generated by the protein-protein docking algorithm ZDOCK to predict interface residues. Unlike interface prediction algorithms that are based on monomers alone, RCF is binding partner specific. We evaluated the performance of RCF using the Area Under the Precision-Recall (PR) Curve (AUC) on a large protein docking Benchmark. RCF (AUC=0.44) performed as well as meta-PPISP (AUC=0.43), which is one of the best monomer-based interface prediction methods. In addition, we test a Support Vector Machine (SVM) to combine RCF with meta-PPISP and another monomer-based interface prediction algorithm Evolutionary Trace to further improve the performance. We found that the SVM that combined RCF and meta-PPISP achieved the best performance (AUC=0.47). We used RCF to predict the binding interfaces of proteins that can bind to multiple partners and RCF was able to correctly predict interface residues that are unique for the respective binding partners. Furthermore, we found that residues that contributed greatly to binding affinity (hotspot residues) had significantly higher RCF than other residues.
登录
查看更多内容
影响因子：
5.7
作者：
Fukuda, K;Doggett, TA;Liddington, RC
通讯作者：
Liddington, RC
影响因子：
2.9
作者：
Hwang, Howook;Vreven, Thom;Pierce, Brian G.;Hung, Jui-Hung;Weng, Zhiping
通讯作者：
Weng, Zhiping
影响因子：
2.9
作者：
Chakrabarti, P;Janin, J
通讯作者：
Janin, J
影响因子：
2.9
作者：
Chen, HL;Zhou, HX
通讯作者：
Zhou, HX
影响因子：
2.9
作者：
Chen, R;Li, L;Weng, ZP
通讯作者：
Weng, ZP