Bayesian-Maximum-Entropy Reweighting of IDP Ensembles Based on NMR Chemical Shifts
Bayesian-Maximum-Entropy Reweighting of IDP Ensembles Based on NMR Chemical Shifts
复制标题
DOI：
10.3390/e21090898
复制
发表时间：
2019-09-17
期刊：
影响因子：
2.7
通讯作者：
Lindorff-Larsen K
中科院分区：
文献类型：
--
作者：
Crehuet R;Buigues PJ;Salvatella X;Lindorff-Larsen K
贝叶斯和最大熵方法允许对实验和计算数据进行统计上合理和系统的拟合。不幸的是，评估这两类数据的相对置信度仍然很困难，因为几个步骤会增加未知误差。在这里，我们建议使用验证集方法来确定平衡，从而确定拟合量。我们将该方法应用于本质无序蛋白质的合成核磁共振化学位移数据。我们表明，该方法给出了一致的结果，即使其他方法来评估拟合量不能应用。最后，我们还描述了化学位移预测器中的误差如何导致不正确的拟合，以及如何使用二次化学位移来缓解这个问题。
Bayesian and Maximum Entropy approaches allow for a statistically sound and systematic fitting of experimental and computational data. Unfortunately, assessing the relative confidence in these two types of data remains difficult as several steps add unknown error. Here we propose the use of a validation-set method to determine the balance, and thus the amount of fitting. We apply the method to synthetic NMR chemical shift data of an intrinsically disordered protein. We show that the method gives consistent results even when other methods to assess the amount of fitting cannot be applied. Finally, we also describe how the errors in the chemical shift predictor can lead to an incorrect fitting and how using secondary chemical shifts could alleviate this problem.
登录
查看更多内容
影响因子：
13.6
作者：
Bonomi M;Camilloni C;Cavalli A;Vendruscolo M
通讯作者：
Vendruscolo M
影响因子：
3.4
作者：
Beauchamp, Kyle A.;Pande, Vijay S.;Das, Rhiju
通讯作者：
Das, Rhiju
影响因子：
15
作者：
De Simone, Alfonso;Cavalli, Andrea;Vendruscolo, Michele
通讯作者：
Vendruscolo, Michele
影响因子：
4.1
作者：
Haxholm, Gitte W.;Nikolajsen, Louise F.;Kragelund, Birthe B.
通讯作者：
Kragelund, Birthe B.
影响因子：
5.8
作者：
Bonomi, Massimiliano;Camilloni, Carlo
通讯作者：
Camilloni, Carlo