A novel methodology on distributed representations of proteins using their interacting ligands.
A novel methodology on distributed representations of proteins using their interacting ligands.
复制标题
DOI：
10.1093/bioinformatics/bty287
复制
发表时间：
2018-07-01
期刊：
影响因子：
--
通讯作者：
Özgür A
中科院分区：
文献类型：
--
作者：
Öztürk H;Ozkirimli E;Özgür A
蛋白质的有效表示是一项至关重要的任务，直接影响许多生物信息学问题的性能。相关蛋白质通常与相似的配体结合。已知配体的化学特征可以捕获蛋白质的功能和机械性质，这表明基于配体的方法可以用于蛋白质表示。在这项研究中，我们提出了SMILESVec，一个简化的分子输入线输入系统（SMILES）为基础的方法来表示配体和一种新的方法来计算蛋白质的相似性，通过描述他们的配体的基础上。利用其配体的SMILES字符串的字嵌入来定义蛋白质。在使用TransClust和MCL算法的蛋白质聚类任务中，对所提出的蛋白质描述方法的性能进行了评估。另外两种利用蛋白质序列的蛋白质表示方法，基本局部比对工具和ProtVec，以及两种基于复合指纹的蛋白质表示方法进行了比较。我们表明，基于配体的蛋白质表示，它只使用SMILES字符串的配体蛋白质结合，以及蛋白质序列为基础的表示方法在蛋白质聚类。研究结果表明，基于配体的蛋白质描述方法可以替代传统的基于序列或结构的蛋白质描述方法，并且这种新方法可以应用于不同的生物信息学问题，如新的蛋白质-配体相互作用的预测和蛋白质功能注释。 https://github.com/hkmztrk/SMILESVecProteinRepresentation 补充数据可在在线生物信息学上获取。
The effective representation of proteins is a crucial task that directly affects the performance of many bioinformatics problems. Related proteins usually bind to similar ligands. Chemical characteristics of ligands are known to capture the functional and mechanistic properties of proteins suggesting that a ligand-based approach can be utilized in protein representation. In this study, we propose SMILESVec, a Simplified molecular input line entry system (SMILES)-based method to represent ligands and a novel method to compute similarity of proteins by describing them based on their ligands. The proteins are defined utilizing the word-embeddings of the SMILES strings of their ligands. The performance of the proposed protein description method is evaluated in protein clustering task using TransClust and MCL algorithms. Two other protein representation methods that utilize protein sequence, Basic local alignment tool and ProtVec, and two compound fingerprint-based protein representation methods are compared. We showed that ligand-based protein representation, which uses only SMILES strings of the ligands that proteins bind to, performs as well as protein sequence-based representation methods in protein clustering. The results suggest that ligand-based protein description can be an alternative to the traditional sequence or structure-based representation of proteins and this novel approach can be applied to different bioinformatics problems such as prediction of new protein–ligand interactions and protein function annotation. https://github.com/hkmztrk/SMILESVecProteinRepresentation Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
14.9
作者：
Davies M;Nowotka M;Papadatos G;Dedman N;Gaulton A;Atkinson F;Bellis L;Overington JP
通讯作者：
Overington JP
通过支持向量机和基于 SMILES 表示的字符串内核进行计算机毒性预测
影响因子：
3
作者：
Cao, D. -S.;Zhao, J. -C.;Liang, Y. -Z.
通讯作者：
Liang, Y. -Z.
DOI：
10.1093/bioinformatics/btt547
发表时间：
2013-12-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Cokelaer T;Pultz D;Harder LM;Serra-Musach J;Saez-Rodriguez J
通讯作者：
Saez-Rodriguez J
影响因子：
3.7
作者：
Asgari E;Mofrad MR
通讯作者：
Mofrad MR
影响因子：
4.6
作者：
Jain, Rinku;Choudhury, Jayati Roy;Aggarwal, Aneel K.
通讯作者：
Aggarwal, Aneel K.