Bayesian model of protein primary sequence for secondary structure prediction.
Bayesian model of protein primary sequence for secondary structure prediction.
复制标题
DOI：
10.1371/journal.pone.0109832
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Tsai JW
中科院分区：
文献类型：
--
作者：
Li Q;Dahl DB;Vannucci M;Hyun Joo;Tsai JW
测定蛋白质的一级结构（即氨基酸序列）已经变得更便宜、更快、更准确。高阶蛋白质结构提供了对蛋白质在细胞中的功能的了解。了解蛋白质的二级结构是实现这一目标的第一步。因此，许多计算预测方法已经被开发出来，仅从一级氨基酸序列预测二级结构。最成功的方法是使用非常准确的机器学习方法，但不直接结合结构信息。在一级结构的基础上，我们提出了一种基于旋钮-套筒模型的二级结构蛋白质填充贝叶斯模型。该方法考虑了剩余物的堆积对二级结构确定的影响，包括空间上堆积较近但顺序较远的剩余物。通过在2个测试集上对我们的方法进行评估，我们展示了如何将多个序列比对数据合并，类似于PSIPRED，提供平衡并提高预测的准确性。实现这些方法的软件以web应用程序和独立实现的形式提供。
Determining the primary structure (i.e., amino acid sequence) of a protein has become cheaper, faster, and more accurate. Higher order protein structure provides insight into a protein’s function in the cell. Understanding a protein’s secondary structure is a first step towards this goal. Therefore, a number of computational prediction methods have been developed to predict secondary structure from just the primary amino acid sequence. The most successful methods use machine learning approaches that are quite accurate, but do not directly incorporate structural information. As a step towards improving secondary structure reduction given the primary structure, we propose a Bayesian model based on the knob-socket model of protein packing in secondary structure. The method considers the packing influence of residues on the secondary structure determination, including those packed close in space but distant in sequence. By performing an assessment of our method on 2 test sets we show how incorporation of multiple sequence alignment data, similarly to PSIPRED, provides balance and improves the accuracy of the predictions. Software implementing the methods is provided as a web application and a stand-alone implementation.
登录
查看更多内容
影响因子：
14.9
作者：
Cole C;Barber JD;Barton GJ
通讯作者：
Barton GJ
DOI：
10.1093/proeng/gzg019
发表时间：
2003-02-01
期刊：
PROTEIN ENGINEERING
影响因子：
--
作者：
Figureau, A;Soto, MA;Tohá, J
通讯作者：
Tohá, J
DOI：
10.1107/s1744309111019312
发表时间：
2011-08-01
影响因子：
0.9
作者：
Kerry, Philip S.;Long, Elizabeth;Russell, Rupert J. M.
通讯作者：
Russell, Rupert J. M.
影响因子：
5.8
作者：
Birzele, Fabian;Kramer, Stefan
通讯作者：
Kramer, Stefan
影响因子：
14.9
作者：
Andreeva, A;Howorth, D;Murzin, AG
通讯作者：
Murzin, AG