eCOMPASS: evaluative comparison of multiple protein alignments by statistical score.
eCOMPASS: evaluative comparison of multiple protein alignments by statistical score.
复制标题
DOI：
10.1093/bioinformatics/btab374
复制
发表时间：
2021-10-25
期刊：
影响因子：
--
通讯作者：
Altschul SF
中科院分区：
文献类型：
--
作者：
Neuwald AF;Kolaczkowski BD;Altschul SF
检测蛋白质序列中微妙的生物相关模式通常需要构建一个大型且准确的多序列比对(MSA)。构建MSA的方法通常使用基准比对进行评估，然而，基准比对通常包含非常少的序列，因此在处理大量蛋白质时是不合适的。ECompass使用基于直接耦合分析(DCA)的相对比对质量的统计测量来解决这个问题：为了在进化时间内保持蛋白质结构的完整性，一个残基位置的替换通常会导致补偿其他位置的替换。ECompass计算高得分直接耦合对和相应结构中的3D接触之间的同余的统计意义，这取决于正确排列的同源残基。我们使用模拟和真实的MSA来说明eCompass。ECompass可执行文件、C++开放源代码和输入数据集可在https://www.igs.umaryland.edu/labs/neuwald/software/compass上获得。补充数据可在生物信息学在线上获得。
Detecting subtle biologically relevant patterns in protein sequences often requires the construction of a large and accurate multiple sequence alignment (MSA). Methods for constructing MSAs are usually evaluated using benchmark alignments, which, however, typically contain very few sequences and are therefore inappropriate when dealing with large numbers of proteins. eCOMPASS addresses this problem using a statistical measure of relative alignment quality based on direct coupling analysis (DCA): to maintain protein structural integrity over evolutionary time, substitutions at one residue position typically result in compensating substitutions at other positions. eCOMPASS computes the statistical significance of the congruence between high scoring directly coupled pairs and 3D contacts in corresponding structures, which depends upon properly aligned homologous residues. We illustrate eCOMPASS using both simulated and real MSAs. The eCOMPASS executable, C++ open source code and input data sets are available at https://www.igs.umaryland.edu/labs/neuwald/software/compass Supplementary data are available at Bioinformatics online.
登录
查看更多内容
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
DOI：
10.1093/bioinformatics/bts565
发表时间：
2012-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Fu L;Niu B;Zhu Z;Wu S;Li W
通讯作者：
Li W
影响因子：
5.8
作者：
Dunn, S. D.;Wahl, L. M.;Gloor, G. B.
通讯作者：
Gloor, G. B.
影响因子：
2.4
作者：
Muntoni, Anna Paola;Pagnani, Andrea;Zamponi, Francesco
通讯作者：
Zamponi, Francesco
影响因子：
10.7
作者：
Karin, Eli Levy;Susko, Edward;Pupko, Tal
通讯作者：
Pupko, Tal