Jump to content

Прогноз субклеточной локализации белка

Предсказание субклеточной локализации белка (или просто предсказание локализации белка) включает в себя предсказание того, где белок находится в клетке , его субклеточную локализацию .

Как правило, инструменты прогнозирования принимают в качестве входных данных информацию о белке, такую ​​как белковая последовательность аминокислот . , и в качестве выходных данных создают предсказанное местоположение внутри клетки, например, ядро , эндоплазматический ретикулум , аппарат Гольджи , внеклеточное пространство или другие органеллы . Цель состоит в том, чтобы создать инструменты, которые смогут точно предсказать результат нацеливания белка в клетки.

Прогнозирование субклеточной локализации белка является важным компонентом биоинформатического прогнозирования функции белка и аннотации генома и может помочь в идентификации мишеней для лекарств.

Экспериментальное определение субклеточной локализации белка может оказаться трудоемкой и трудоемкой задачей. иммуномаркировка или маркировка (например, зеленым флуоресцентным белком ) для проверки локализации с помощью флуоресцентного микроскопа Часто используется . Альтернативой высокой пропускной способности является использование прогнозирования.

Благодаря развитию новых подходов в информатике в сочетании с увеличением набора данных о белках известной локализации вычислительные инструменты теперь могут обеспечивать быстрые и точные прогнозы локализации для многих организмов. Это привело к тому, что предсказание субклеточной локализации стало одной из задач, успешно решаемых биоинформатикой и машинным обучением .

Многие методы прогнозирования в настоящее время превосходят точность некоторых высокопроизводительных лабораторных методов идентификации субклеточной локализации белков. [1] [2] [3] В частности, были разработаны некоторые предикторы. [4] который можно использовать для борьбы с белками, которые могут одновременно существовать или перемещаться между двумя или более разными субклеточными местоположениями. Для подтверждения предсказанной локализации обычно требуется экспериментальная проверка.

Инструменты

[ редактировать ]

В 1999 году PSORT была первой опубликованной программой для прогнозирования субклеточной локализации. [5] Последующие инструменты и веб-сайты были выпущены с использованием таких технологий, как искусственные нейронные сети , машина опорных векторов и белковые мотивы . Предикторы могут быть специализированы для белков в разных организмах. Некоторые из них специализируются на эукариотических белках, [6] некоторые для человеческих белков, [7] и некоторые для растительных белков. [8] Были рассмотрены методы прогнозирования предикторов бактериальной локализации и их точность. [9] В 2021 году был опубликован SCLpred-MEM, инструмент для прогнозирования мембранных белков на основе искусственных нейронных сетей. [10] SCLpred-EMS — это еще один инструмент, основанный на искусственных нейронных сетях, который классифицирует белки по эндомембранной системе и секреторному пути (EMS) по сравнению со всеми остальными. [11] Аналогично, Light-Attention использует методы машинного обучения для прогнозирования десяти различных распространенных субклеточных местоположений. [12]

Развитие предсказания субклеточного расположения белков было обобщено в двух подробных обзорных статьях. [13] [14] Последние инструменты и отчет об опыте можно найти в недавней статье Мейнкена и Мин (2012) .

Приложение

[ редактировать ]

Знание субклеточной локализации белка может значительно улучшить идентификацию мишени в процессе разработки лекарств . Например, секретируемые белки и белки плазматической мембраны легко доступны молекулам лекарств благодаря их локализации во внеклеточном пространстве или на поверхности клетки.

Поверхность бактериальных клеток и секретируемые белки также представляют интерес из-за их потенциала в качестве кандидатов на вакцины или диагностических мишеней. Аберрантная субклеточная локализация белков наблюдалась в клетках ряда заболеваний, таких как рак и болезнь Альцгеймера . Секретируемые белки некоторых архей, способные выживать в необычных условиях, имеют промышленно важное применение.

С помощью прогнозирования можно оценить большое количество белков, чтобы найти кандидатов, которые будут доставлены в нужное место.

Базы данных

[ редактировать ]

Результаты прогнозирования субклеточной локализации могут храниться в базах данных. Примеры включают многовидовую базу данных Compartments , FunSecKB2, базу данных грибов; [15] PlantSecKB, база данных растений; [16] MetazSecKB, база данных животных и человека; [17] и ProtSecKB, база данных протистов. [18]

  1. ^ Калил, М; Чжэн, Ю; Чен, Дж; Фэн, X; Симпсон, Джей Си; Полластри, Г; Муни, К. (6 марта 2020 г.). «SCLpred-EMS: предсказание субклеточной локализации белков эндомембранной системы и секреторного пути с помощью глубоких сверточных нейронных сетей N-к-1». Биоинформатика . 36 (11): 3343–3349. doi : 10.1093/биоинформатика/btaa156 . hdl : 10197/12182 . ПМИД   32142105 .
  2. ^ Рей С., Гарди Дж.Л., Бринкман Ф.С. (2005). «Оценка точности высокопроизводительных вычислительных и лабораторных подходов для полногеномной идентификации субклеточной локализации белков у бактерий» . БМК Геномика . 6 : 162. дои : 10.1186/1471-2164-6-162 . ПМЦ   1314894 . ПМИД   16288665 .
  3. ^ Калил, Маназ; Эллингер, Лиам; Лалор, Клода; Полластри, Джанлука; Муни, Кэтрин (2021). «SCLpred-MEM: предсказание субклеточной локализации мембранных белков с помощью глубоких сверточных нейронных сетей N-to-1» . Белки: структура, функции и биоинформатика . 89 (10): 1233–1239. дои : 10.1002/прот.26144 . HDL : 2346/90320 . ПМИД   33983651 . S2CID   234484678 .
  4. ^ Чжоу К.С., Шен Х.Б. (2008). «Cell-PLoc: пакет веб-серверов для прогнозирования субклеточной локализации белков в различных организмах». Протоколы природы . 3 (2): 153–62. дои : 10.1038/nprot.2007.494 . ПМИД   18274516 . S2CID   226104 .
  5. ^ «Прогнозирование субклеточной локализации белка» . www.ncbi.nlm.nih.gov . Проверено 31 декабря 2016 г.
  6. ^ Чжоу К.С., Ву ZC, Сяо X (2011). «iLoc-Euk: многометочный классификатор для прогнозирования субклеточной локализации одинплексных и мультиплексных эукариотических белков» . ПЛОС ОДИН . 6 (3): e18258. Бибкод : 2011PLoSO...618258C . дои : 10.1371/journal.pone.0018258 . ПМК   3068162 . ПМИД   21483473 .
  7. ^ Шен Х.Б., Чжоу К.К. (ноябрь 2009 г.). «Нисходящий подход для повышения эффективности прогнозирования субклеточной локализации белков человека: Hum-mPLoc 2.0». Аналитическая биохимия . 394 (2): 269–74. дои : 10.1016/j.ab.2009.07.046 . ПМИД   19651102 .
  8. ^ Чжоу К.С., Шен Х.Б. (2010). «Plant-mPLoc: нисходящая стратегия, расширяющая возможности прогнозирования субклеточной локализации растительных белков» . ПЛОС ОДИН . 5 (6): е11335. Бибкод : 2010PLoSO...511335C . дои : 10.1371/journal.pone.0011335 . ПМЦ   2893129 . ПМИД   20596258 .
  9. ^ Гарди Дж.Л., Бринкман Ф.С. (октябрь 2006 г.). «Методы прогнозирования субклеточной локализации бактериальных белков». Обзоры природы. Микробиология . 4 (10): 741–51. дои : 10.1038/nrmicro1494 . ПМИД   16964270 . S2CID   62781755 .
  10. ^ Калил, Маназ; Эллингер, Лиам; Лалор, Клода; Полластри, Джанлука; Муни, Кэтрин (2021). «SCLpred-MEM: предсказание субклеточной локализации мембранных белков с помощью глубоких сверточных нейронных сетей N-to-1» . Белки: структура, функции и биоинформатика . 89 (10): 1233–1239. дои : 10.1002/прот.26144 . HDL : 2346/90320 . ПМИД   33983651 . S2CID   234484678 .
  11. ^ Калил, Маназ; Чжэн, Яндан; Чен, Цзялян; Фэн, Сюаньмин; Симпсон, Джереми С; Полластри, Джанлука; Муни, Кэтрин (1 июня 2020 г.). «SCLpred-EMS: предсказание субклеточной локализации белков эндомембранной системы и секреторного пути с помощью глубоких сверточных нейронных сетей N-к-1» . Биоинформатика . 36 (11): 3343–3349. doi : 10.1093/биоинформатика/btaa156 . hdl : 10197/12182 . ПМИД   32142105 .
  12. ^ Рост, Старк; Хайнцингер, Даллаго (26 апреля 2021 г.). «Слабое внимание предсказывает расположение белка на основе языка жизни» . Биорксив . дои : 10.1101/2021.04.25.441334 . S2CID   233449747 .
  13. ^ Накаи, К. Сигналы сортировки белков и предсказание субклеточной локализации. Адв. Protein Chem., 2000, 54, 277-344.
  14. ^ Чоу, КЦ; Shen, HB Review: Последние достижения в предсказании субклеточного расположения белков» Anal. Biochem 2007, 370, 1-16.
  15. ^ «FunSecKB2 (База знаний о грибковом секретоме и субклеточном протеоме 2.1)» . bioinformatics.ysu.edu . Архивировано из оригинала 10 апреля 2016 г. Проверено 17 сентября 2017 г.
  16. ^ «PlantSecKB (База знаний о секретомах растений и субклеточных протеомах)» . bioinformatics.ysu.edu . Архивировано из оригинала 6 апреля 2016 г. Проверено 17 сентября 2017 г.
  17. ^ «MetazSecKB (Субклеточное расположение белков Metazoa (человека и животных), база данных секретомов и субклеточных протеомов)» . bioinformatics.ysu.edu . Архивировано из оригинала 6 апреля 2016 г. Проверено 17 сентября 2017 г.
  18. ^ «ProtSecKB (База знаний о секретоме протистов и субклеточном протеоме)» . proteomics.ysu.edu . Проверено 17 сентября 2017 г.

Дальнейшее чтение

[ редактировать ]
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 614d7df1a5c715d16cc6d4737cc779d3__1704390660
URL1:https://arc.ask3.ru/arc/aa/61/d3/614d7df1a5c715d16cc6d4737cc779d3.html
Заголовок, (Title) документа по адресу, URL1:
Protein subcellular localization prediction - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)