Πρόγνωση μεμβρανικών πρωτεϊνών με μεθόδους βαθιάς μάθησης

Κίνητρο: Η ακριβής πρόβλεψη των διαμεμβρανικών (ΤΜ) περιοχών και των πεπτιδίων σήματος (SPs) είναι κρίσιμη για τον σχολιασμό πρωτεϊνών, ωστόσο τα τρέχοντα εργαλεία συνήθως αντιμετωπίζουν αυτά τα δύο προβλήματα χωριστά. Αποτελέσματα: Παρουσιάζουμε το PRED-TMSdeep, μια μέθοδο βαθιάς μάθησης που προβλέπει από κοινού την TM τοπολογία και τρεις διαφορετικές κλάσεις SP (Sec/SPI, Sec/SPII/LIPO, Tat/SPI). Ένας νέος αλγόριθμος που χρησιμοποιεί αποκωδικοποιητή Viterbi για δύο βημάτα και ενσωματώνει περιορισμούς μήκους για τα διάφορα διαμεμβρανικά τμήματα και τα τμήματα των διαφορετικών πεπτιδίων σήματος, βελτιώνει τη συνέπεια της τοπολογίας και τον εντοπισμό της θέσης αποκοπής. Σε σύνολα δεδομένων μειωμένου πλεονασμού (non-redundant), από την OPM και την PDBTM, το PRED-TMSdeep διατηρεί επιδόσεις αχιμής (state of the art) σε επίπεδο τμήματος, συγκρίσιμες με το TMbed, ενώ επιτυγχάνει υψηλότερη ακρίβεια στην ταξινόμηση τύπων SP από το SignalP 6.0. Βελτιώνει επίσης συνολικά τον εντοπισμό της θέσης αποκοπής, με ακρίβεια top-1 89,2%, έναντι 84,7% για το TMbed και 88,0% για το SignalP 6.0, διατηρώντας παράλληλα ισχυρή απόδοση ταξινόμησης σε επίπεδο πρωτεΐνης με χαμηλά ποσοστά ψευδώς θετικών. Διαθεσιμότητα: Ο πηγαίος κώδικας διατίθεται στο https://github.com/pbagos/TMSdeep. Διατίθεται επίσης ένας Web Server για προβλέψεις με το εργαλείο PRED-TMSdeep στο http://195.251.108.230/PRED- TMSdeep/index.php.

Authors dc:creator

• ΜΟΣΧΟΣ ΓΡΗΓΟΡΙΟΣ
• MOSCHOS GRIGORIOS

• Θετικές Επιστήμες
• Science

Language dc:language

Ελληνικά, Greek

Identifier

uoadl:5371062

OAI identifier oai:identifier

oai:lib.uoa.gr:uoadl:5371062