A consensus method for the prediction of 'aggregation-prone' peptides in globular proteins.
A consensus method for the prediction of 'aggregation-prone' peptides in globular proteins.
复制标题
DOI：
10.1371/journal.pone.0054175
复制
发表时间：
2013
期刊：
影响因子：
3.7
通讯作者：
Hamodrakas SJ
中科院分区：
文献类型：
--
作者：
Tsolis AC;Papandreou NC;Iconomidou VA;Hamodrakas SJ
本工作的目的是构建一个共识预测算法的“聚集倾向”的肽在球状蛋白质，结合现有的工具。这允许比较不同的算法和产生更客观和准确的结果。将十一（11）种单独的方法组合并产生AMYLPRED 2，这是一种向学术用户公开、免费提供的网络工具（http：//bioprophics.biol.uoa.gr/AMYLPRED2），用于仅从序列一致预测蛋白质中的淀粉样蛋白生成决定簇/“聚集倾向”肽。AMYLPRED 2的性能表明，它比单独的聚合预测算法运行得更好，这也许正如预期的那样。AMYLPRED 2是用于鉴定与几种构象疾病（称为淀粉样变性，如阿尔茨海默病、帕金森病、朊病毒病和II型糖尿病）相关的蛋白质中的淀粉样蛋白形成区域的有用工具。它也可以用于理解蛋白质折叠和错误折叠的性质，并有助于控制生物技术（形成细菌包涵体的重组蛋白）和生物治疗（单克隆抗体和生物制药蛋白）中的蛋白质聚集/溶解度。
The purpose of this work was to construct a consensus prediction algorithm of ‘aggregation-prone’ peptides in globular proteins, combining existing tools. This allows comparison of the different algorithms and the production of more objective and accurate results. Eleven (11) individual methods are combined and produce AMYLPRED2, a publicly, freely available web tool to academic users (http://biophysics.biol.uoa.gr/AMYLPRED2), for the consensus prediction of amyloidogenic determinants/‘aggregation-prone’ peptides in proteins, from sequence alone. The performance of AMYLPRED2 indicates that it functions better than individual aggregation-prediction algorithms, as perhaps expected. AMYLPRED2 is a useful tool for identifying amyloid-forming regions in proteins that are associated with several conformational diseases, called amyloidoses, such as Altzheimer's, Parkinson's, prion diseases and type II diabetes. It may also be useful for understanding the properties of protein folding and misfolding and for helping to the control of protein aggregation/solubility in biotechnology (recombinant proteins forming bacterial inclusion bodies) and biotherapeutics (monoclonal antibodies and biopharmaceutical proteins).
登录
查看更多内容
影响因子：
4.3
作者：
Bryan AW Jr;Menke M;Cowen LJ;Lindquist SL;Berger B
通讯作者：
Berger B
影响因子：
3.5
作者：
Iconomidou, VA;Vriend, G;Hamodrakas, SJ
通讯作者：
Hamodrakas, SJ
影响因子：
64.5
作者：
Eisenberg D;Jucker M
通讯作者：
Jucker M
影响因子：
3
作者：
Conchillo-Solé O;de Groot NS;Avilés FX;Vendrell J;Daura X;Ventura S
通讯作者：
Ventura S
影响因子：
64.8
作者：
Chiti, F;Stefani, M;Dobson, CM
通讯作者：
Dobson, CM