Неемперичне та гомологічне передбачення будови доменів білків використовуючи рекурсивні нейронні сітки

Короткий зміст

Ab initio and homology based prediction of protein domains by recursive neural networks

Ian Walsh, Alberto JM Martin, Catherine Mooney, Enrico Rubagotti, Alessandro Vullo, Gianluca Pollastri.

Неемперичне та гомологічне передбачення будови доменів білків використовуючи рекурсивні нейронні сітки

Білки, особливо великих розмірів, складаються з самосітйно еволюціонуючих одиниць, доменів, які мають свої функціональні та структурні особливості. Важливим проміжним етапом аналізу білків, включаючи їх будову, є передбачення складу доменів. У роботі описані нові методи аналізу, які дозволяють спрогнозувати склад білкових доменів за допомогою рекурсивних нейронних сіток (Recursive Neural Networks). Метод грунтуєтья на комбінуванні первинної послідовності та даних щодо еволюційного походження, передбачення особливостей будови вторинної структури, розчинності, та створення карт поєднання залишків, використовуючи бази даних SCOP та PDB. Доведено, що PDB менш інформативна порівняно з SCOP. Протестовано у всіх системах пять можливих перехресних комбінацій мультідоменних та однодоменних білків. Достовірність SCOP-прогнозування складу мультидоменних білків в межах 74%, однодоменних білків в межах 80% достовірності. У майбутньому автори  перевірять гіпотезу про те, що інформація про екзони збільшує достовірність неемперичного прогнозування. Скористатись розробленою авторами системою швидкого прогнозування поєднання доменів у білках, визначених системою SCOP, можна на веб-сервері за адресою: http://distill.ucd.ie/shandy/.