PDBench: evaluating computational methods for protein-sequence design.
PDBench: evaluating computational methods for protein-sequence design.
复制标题
DOI：
10.1093/bioinformatics/btad027
复制
发表时间：
2023-01-01
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
蛋白质结构数据量的不断增加，加上机器学习的进步，导致可用于蛋白质序列设计的方法迅速激增。为了有效地利用设计方法，了解其性能的细微差别以及它如何随设计目标而变化非常重要。在这里，我们展示了 PDBench、一组蛋白质和许多用于评估序列设计方法性能的标准测试。 PDBench 旨在与之前的基准测试集相比，最大化基准测试的结构多样性，以便为序列设计方法的行为提供有用的生物学见解，这对于评估其性能和实用性至关重要。我们相信这些工具对于指导新型序列设计算法的开发非常有用，并使用户能够选择最适合其设计目标的方法。 https://github.com/wells-wood-research/PDBench 补充数据可在生物信息学在线获取。
Ever increasing amounts of protein structure data, combined with advances in machine learning, have led to the rapid proliferation of methods available for protein-sequence design. In order to utilize a design method effectively, it is important to understand the nuances of its performance and how it varies by design target. Here, we present PDBench, a set of proteins and a number of standard tests for assessing the performance of sequence-design methods. PDBench aims to maximize the structural diversity of the benchmark, compared with previous benchmarking sets, in order to provide useful biological insight into the behaviour of sequence-design methods, which is essential for evaluating their performance and practical utility. We believe that these tools are useful for guiding the development of novel sequence design algorithms and will enable users to choose a method that best suits their design target. https://github.com/wells-wood-research/PDBench Supplementary data are available at Bioinformatics online.
登录
查看更多内容
DOI：
10.1073/pnas.89.22.10915
发表时间：
1992-11-15
影响因子：
11.1
作者：
HENIKOFF, S;HENIKOFF, JG
通讯作者：
HENIKOFF, JG
影响因子：
64.8
作者：
Jumper J;Evans R;Pritzel A;Green T;Figurnov M;Ronneberger O;Tunyasuvunakool K;Bates R;Žídek A;Potapenko A;Bridgland A;Meyer C;Kohl SAA;Ballard AJ;Cowie A;Romera-Paredes B;Nikolov S;Jain R;Adler J;Back T;Petersen S;Reiman D;Clancy E;Zielinski M;Steinegger M;Pacholska M;Berghammer T;Bodenstein S;Silver D;Vinyals O;Senior AW;Kavukcuoglu K;Kohli P;Hassabis D
通讯作者：
Hassabis D
影响因子：
5.8
作者：
Huang, Xiaoqiang;Pearce, Robin;Zhang, Yang
通讯作者：
Zhang, Yang
影响因子：
14.9
作者：
Joosten RP;te Beek TA;Krieger E;Hekkelman ML;Hooft RW;Schneider R;Sander C;Vriend G
通讯作者：
Vriend G
DenseCPD：利用 DenseNet 提高基于神经网络的计算蛋白质序列设计的准确性
影响因子：
5.6
作者：
Qi, Yifei;Zhang, John Z. H.
通讯作者：
Zhang, John Z. H.