The EVcouplings Python framework for coevolutionary sequence analysis.
The EVcouplings Python framework for coevolutionary sequence analysis.
复制标题
用于协同进化序列分析的Evcouplings Python框架。
DOI：
10.1093/bioinformatics/bty862
复制
发表时间：
2019-05-01
期刊：
影响因子：
--
通讯作者：
Marks DS
中科院分区：
文献类型：
--
作者：
Hopf TA;Green AG;Schubert B;Mersmann S;Schärfe CPI;Ingraham JB;Toth-Petroczy A;Brock K;Riesselman AJ;Palmedo P;Kang C;Sheridan R;Draizen EJ;Dallago C;Sander C;Marks DS
协同进化序列分析已成为一种常用的技术，用于从头预测蛋白质、RNA和蛋白质复合物的结构和功能。我们提出了evcoupling框架，这是一个完全集成的开源应用程序和Python包，用于共同进化分析。该框架能够生成序列比对，计算和评估进化耦合（ECs），以及从头预测结构和突变效应。易于使用、灵活的命令行界面和底层模块化Python包的结合，使初级和高级用户都可以使用协同进化分析的全部功能。https://github.com/debbiemarkslab/evcouplings
Coevolutionary sequence analysis has become a commonly used technique for de novo prediction of the structure and function of proteins, RNA, and protein complexes. We present the EVcouplings framework, a fully integrated open-source application and Python package for coevolutionary analysis. The framework enables generation of sequence alignments, calculation and evaluation of evolutionary couplings (ECs), and de novo prediction of structure and mutation effects. The combination of an easy to use, flexible command line interface and an underlying modular Python package makes the full power of coevolutionary analyses available to entry-level and advanced users. https://github.com/debbiemarkslab/evcouplings
登录
查看更多内容
影响因子：
7.7
作者：
Ovchinnikov S;Kamisetty H;Baker D
通讯作者：
Baker D
影响因子：
64.5
作者：
Hopf TA;Colwell LJ;Sheridan R;Rost B;Sander C;Marks DS
通讯作者：
Marks DS
影响因子：
2.9
作者：
Balakrishnan, Sivaraman;Kamisetty, Hetunandan;Langmead, Christopher James
通讯作者：
Langmead, Christopher James
影响因子：
2.4
作者：
Ekeberg, Magnus;Lovkvist, Cecilia;Aurell, Erik
通讯作者：
Aurell, Erik
影响因子：
64.5
作者：
Weinreb, Caleb;Riesselman, Adam J.;Ingraham, John B.;Gross, Torsten;Sander, Chris;Marks, Debora S.
通讯作者：
Marks, Debora S.