TFClass: an expandable hierarchical classification of human transcription factors.
TFClass: an expandable hierarchical classification of human transcription factors.
复制标题
DOI：
10.1093/nar/gks1123
复制
发表时间：
2013-01
影响因子：
14.9
通讯作者：
Dönitz J
中科院分区：
文献类型：
--
作者：
Wingender E;Schoeps T;Dönitz J
TFClass（http：//tfclass.bioinf.med.uni-goettingen.de/）提供了基于其DNA结合结构域的人转录因子的综合分类。转录因子构成了一个大的蛋白质功能家族，直接调节基因的活性。它们中的大多数是序列特异性DNA结合蛋白，因此阅读编码在基因组的启动子、增强子和其他调控区域的顺式调控DNA元件中的信息。TFClass是一个数据库，通过六个级别的分类模式对人类转录因子进行分类，其中四个级别是根据不同标准进行的抽象，而第五个级别代表TF基因和第六个单独的基因产物。总共有9个超类，包括40个类和111个科。按基因计算，迄今为止已将1558种人类TF分类，或当包括由选择性剪接或蛋白质加工事件产生的其同种型时，超过2900种不同的TF。通过这种分类，我们希望为破译蛋白质-DNA识别密码提供基础;此外，它可以用于通过推断额外的TF-靶基因关系来构建扩展的转录网络。
TFClass (http://tfclass.bioinf.med.uni-goettingen.de/) provides a comprehensive classification of human transcription factors based on their DNA-binding domains. Transcription factors constitute a large functional family of proteins directly regulating the activity of genes. Most of them are sequence-specific DNA-binding proteins, thus reading out the information encoded in cis-regulatory DNA elements of promoters, enhancers and other regulatory regions of a genome. TFClass is a database that classifies human transcription factors by a six-level classification schema, four of which are abstractions according to different criteria, while the fifth level represents TF genes and the sixth individual gene products. Altogether, nine superclasses have been identified, comprising 40 classes and 111 families. Counted by genes, 1558 human TFs have been classified so far or >2900 different TFs when including their isoforms generated by alternative splicing or protein processing events. With this classification, we hope to provide a basis for deciphering protein–DNA recognition codes; moreover, it can be used for constructing expanded transcriptional networks by inferring additional TF-target gene relations.
登录
查看更多内容
影响因子：
14.9
作者：
Hunter S;Jones P;Mitchell A;Apweiler R;Attwood TK;Bateman A;Bernard T;Binns D;Bork P;Burge S;de Castro E;Coggill P;Corbett M;Das U;Daugherty L;Duquenne L;Finn RD;Fraser M;Gough J;Haft D;Hulo N;Kahn D;Kelly E;Letunic I;Lonsdale D;Lopez R;Madera M;Maslen J;McAnulla C;McDowall J;McMenamin C;Mi H;Mutowo-Muellenet P;Mulder N;Natale D;Orengo C;Pesseat S;Punta M;Quinn AF;Rivoire C;Sangrador-Vegas A;Selengut JD;Sigrist CJ;Scheremetjew M;Tate J;Thimmajanarthanan M;Thomas PD;Wu CH;Yeats C;Yong SY
通讯作者：
Yong SY
影响因子：
64.5
作者：
Mullen AC;Orlando DA;Newman JJ;Lovén J;Kumar RM;Bilodeau S;Reddy J;Guenther MG;DeKoter RP;Young RA
通讯作者：
Young RA
DOI：
10.1073/pnas.91.26.12357
发表时间：
1994-12-20
影响因子：
11.1
作者：
SUZUKI, M;YAGI, N
通讯作者：
YAGI, N
DOI：
10.1093/bioinformatics/bts387
发表时间：
2012-09-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Li J;Hua X;Haubrock M;Wang J;Wingender E
通讯作者：
Wingender E
影响因子：
5.8
作者：
Tipton, K;Boyce, S
通讯作者：
Boyce, S