A multilayer evaluation approach for protein structure prediction and model quality assessment.
A multilayer evaluation approach for protein structure prediction and model quality assessment.
复制标题
蛋白质结构预测和模型质量评估的多层评估方法。
DOI：
10.1002/prot.23184
复制
发表时间：
2011
影响因子：
2.9
通讯作者：
Xu, Dong
中科院分区：
文献类型：
--
作者：
Zhang, Jingfen;Wang, Qingguo;Vantasin, Kittinun;Zhang, Jiong;He, Zhiquan;Kosztin, Ioan;Shang, Yi;Xu, Dong
关键词：
蛋白质的三级结构是从分子水平研究蛋白质功能的基础。蛋白质结构求解的一个不可缺少的方法是计算预测。大多数蛋白质结构预测方法首先生成候选模型，然后通过模型质量评估（QA）选择最佳候选模型。在许多情况下，可以生成好的模型，但QA工具无法从候选模型池中选择最佳模型。由于对蛋白质折叠的不完全理解，每种QA方法仅反映结构模型的部分方面，因此具有有限的辨别能力，没有人始终优于其他方法。在本文中，我们开发了一套新的QA方法，包括两个QA方法的目标/模板比对，分子动力学（MD）为基础的QA方法，和三个共识QA方法与选定的参考文献，以揭示新的方面的蛋白质结构的补充现有的方法。此外，不同的QA方法之间的潜在关系进行了分析，然后集成到一个多层次的评价方法，以指导模型生成和模型选择的预测。所有的方法都被集成和实施到一个创新的和改进的预测系统，以下简称为MUFOLD。在CASP8和CASP9中，MUFOLD已经证明了QA识别能力和结构预测准确性方面的原理。
Protein tertiary structures are essential for studying functions of proteins at molecular level. An indispensable approach for protein structure solution is computational prediction. Most protein structure prediction methods generate candidate models first and select the best candidates by model quality assessment (QA). In many cases, good models can be produced but the QA tools fail to select the best ones from the candidate model pool. Because of incomplete understanding of protein folding, each QA method only reflects partial facets of a structure model, and thus, has limited discerning power with no one consistently outperforming others. In this paper, we developed a set of new QA methods, including two QA methods for target/template alignments, a molecular dynamics (MD) based QA method, and three consensus QA methods with selected references to reveal new facets of protein structures complementary to the existing methods. Moreover, the underlying relationship among different QA methods were analyzed and then integrated into a multi-layer evaluation approach to guide the model generation and model selection in prediction. All methods are integrated and implemented into an innovative and improved prediction system hereafter referred to as MUFOLD. In CASP8 and CASP9 MUFOLD has demonstrated the proof of the principles in terms of both QA discerning power and structure prediction accuracy.
登录
查看更多内容
影响因子：
2.9
作者：
Kryshtafovych, Andriy;Fidelis, Krzysztof;Tramontano, Anna
通讯作者：
Tramontano, Anna
影响因子：
5.6
作者：
Lazaridis, T;Karplus, M
通讯作者：
Karplus, M
影响因子：
2.9
作者：
Benkert, Pascal;Tosatto, Silvio C. E.;Schwede, Torsten
通讯作者：
Schwede, Torsten
影响因子：
5.6
作者：
Samudrala, R;Moult, J
通讯作者：
Moult, J
影响因子：
2.2
作者：
Gront, D;Hansmann, UHE;Kolinski, A
通讯作者：
Kolinski, A