QSLiMFinder: improved short linear motif prediction using specific query protein data.
QSLiMFinder: improved short linear motif prediction using specific query protein data.
复制标题
DOI：
10.1093/bioinformatics/btv155
复制
发表时间：
2015-07-15
期刊：
影响因子：
--
通讯作者：
Edwards RJ
中科院分区：
文献类型：
--
作者：
Palopoli N;Lythgow KT;Edwards RJ
动机：从头短线性基序（SLiM）预测的灵敏度受到富集模式（基序空间）数量的限制。QSLiMestro使用特定的查询蛋白质信息来限制基序空间，从而提高预测的灵敏度和特异性。结果如下：使用已知的含SLiM的蛋白质和真实的人类蛋白质的模拟蛋白质相互作用数据集对QSLiM进行了广泛的基准测试。利用可能参与SLiM介导的相互作用的查询蛋白质的先验知识增加了正确返回的真阳性的比例，并降低了返回假阳性预测的数据集的比例。最大的改善是看到，如果查询蛋白质侧翼的相互作用位点的短区域是已知的。可用性和实施：本研究中使用的所有工具和数据，包括QSLiMSuite和SLiMBench基准测试软件，都可以在GNU许可证下作为SLiMSuite的一部分免费获得，网址为：http://bioware.soton.ac.uk。联系方式：richard. unsw.edu.au补充信息：补充数据可在生物信息学在线获得。
Motivation: The sensitivity of de novo short linear motif (SLiM) prediction is limited by the number of patterns (the motif space) being assessed for enrichment. QSLiMFinder uses specific query protein information to restrict the motif space and thereby increase the sensitivity and specificity of predictions. Results: QSLiMFinder was extensively benchmarked using known SLiM-containing proteins and simulated protein interaction datasets of real human proteins. Exploiting prior knowledge of a query protein likely to be involved in a SLiM-mediated interaction increased the proportion of true positives correctly returned and reduced the proportion of datasets returning a false positive prediction. The biggest improvement was seen if a short region of the query protein flanking the interaction site was known. Availability and implementation: All the tools and data used in this study, including QSLiMFinder and the SLiMBench benchmarking software, are freely available under a GNU license as part of SLiMSuite, at: http://bioware.soton.ac.uk. Contact: richard.edwards@unsw.edu.au Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
9.8
作者：
Neduva V;Linding R;Su-Angrand I;Stark A;de Masi F;Gibson TJ;Lewis J;Serrano L;Russell RB
通讯作者：
Russell RB
影响因子：
3.5
作者：
Russell, Robert B.;Gibson, Toby J.
通讯作者：
Gibson, Toby J.
影响因子：
3.7
作者：
Stein, Amelie;Aloy, Patrick
通讯作者：
Aloy, Patrick
影响因子：
5.8
作者：
Dosztányi, Z;Csizmok, V;Simon, I
通讯作者：
Simon, I
Slimfinder：一种概率方法，用于识别蛋白质中占代表性过多的短线线性基序。
影响因子：
3.7
作者：
Edwards, Richard J.;Davey, Norman E.;Shields, Denis C.
通讯作者：
Shields, Denis C.