PredLLPS_PSSM: a novel predictor for liquid–liquid protein separation identification based on evolutionary information and a deep neural network

计算机科学 鉴定(生物学) 深度学习 人工智能 计算生物学 人工神经网络 模式识别(心理学) 生物 植物
作者
Shengming Zhou,Y. Z. Zhou,Tian Liu,Juanjuan Zheng,Cangzhi Jia
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:24 (5)
标识
DOI:10.1093/bib/bbad299
摘要

The formation of biomolecular condensates by liquid-liquid phase separation (LLPS) has become a universal mechanism for spatiotemporal coordination of biological activities in cells and has been widely observed to directly regulate the key cellular processes involved in cancer cell pathology. However, the complexity of protein sequences and the diversity of conformations are inherently disordered, which poses great challenges for LLPS protein calculations and experimental research. Herein, we proposed a novel predictor named PredLLPS_PSSM for LLPS protein identification based only on sequence evolution information. Because finding real and reliable samples is the cornerstone of building predictors, we collected anew and collated the LLPS proteins from the latest versions of three databases. By comparing the performance of the position-specific score matrix (PSSM) and word embedding, PredLLPS_PSSM combined PSSM-based information and two deep learning frameworks. Independent tests using three existing independent test datasets and two newly constructed independent test datasets demonstrated the superiority of PredLLPS_PSSM compared with state-of-the-art methods. Furthermore, we tested PredLLPS_PSSM on nine experimentally identified LLPS proteins from three insects that were not included in any of the databases. In addition, the powerful Shapley Additive exPlanation algorithm and heatmap were applied to find the most critical amino acids relevant to LLPS.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Ding完成签到,获得积分10
刚刚
LUNWENREQUEST发布了新的文献求助10
刚刚
微卫星不稳定完成签到 ,获得积分10
8秒前
mousehe完成签到,获得积分10
12秒前
风花雪月完成签到 ,获得积分10
14秒前
内向东蒽完成签到 ,获得积分10
14秒前
入门的橙橙完成签到 ,获得积分10
16秒前
淡定沧海完成签到 ,获得积分10
21秒前
富贵儿完成签到 ,获得积分10
28秒前
pangzh完成签到,获得积分10
31秒前
彩色的芷容完成签到 ,获得积分20
33秒前
石勒苏益格完成签到,获得积分10
38秒前
可爱的紫菜完成签到 ,获得积分10
41秒前
平常雨泽完成签到 ,获得积分10
52秒前
hyd1640完成签到,获得积分10
1分钟前
啦啦啦完成签到 ,获得积分10
1分钟前
lxt完成签到 ,获得积分10
1分钟前
单纯的冬灵完成签到 ,获得积分10
1分钟前
congcong完成签到 ,获得积分10
1分钟前
共享精神应助shihui采纳,获得10
1分钟前
1分钟前
唯有一个心完成签到 ,获得积分10
1分钟前
沙漠西瓜皮完成签到 ,获得积分10
1分钟前
明天吃什么完成签到 ,获得积分10
1分钟前
Duke_ethan完成签到,获得积分10
1分钟前
Eva完成签到 ,获得积分10
1分钟前
1分钟前
Vegeta完成签到 ,获得积分10
1分钟前
文艺的初南完成签到 ,获得积分10
1分钟前
1分钟前
清爽达完成签到 ,获得积分10
1分钟前
LRxxx完成签到 ,获得积分10
1分钟前
冷傲的迎南完成签到 ,获得积分10
2分钟前
steven完成签到 ,获得积分10
2分钟前
科研张完成签到 ,获得积分10
2分钟前
刻苦的新烟完成签到 ,获得积分10
2分钟前
一轮明月完成签到 ,获得积分10
2分钟前
失眠的香蕉完成签到 ,获得积分10
2分钟前
btcat完成签到,获得积分10
2分钟前
北城完成签到 ,获得积分10
2分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3186894
求助须知:如何正确求助?哪些是违规求助? 2836960
关于积分的说明 8012007
捐赠科研通 2499375
什么是DOI,文献DOI怎么找? 1334354
科研通“疑难数据库(出版商)”最低求助积分说明 637170
邀请新用户注册赠送积分活动 605071