清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
杜佳月完成签到 ,获得积分10
7秒前
chcmy完成签到 ,获得积分0
9秒前
大熊完成签到 ,获得积分10
50秒前
guo_a_n发布了新的文献求助10
1分钟前
炎炎夏无声完成签到 ,获得积分10
2分钟前
yqcsysu完成签到 ,获得积分10
2分钟前
自信放光芒~完成签到 ,获得积分10
2分钟前
2分钟前
干净含烟发布了新的文献求助10
2分钟前
guo_a_n完成签到 ,获得积分10
2分钟前
huanghe完成签到,获得积分10
2分钟前
superspace完成签到 ,获得积分10
2分钟前
东郭南风完成签到,获得积分10
3分钟前
通科研完成签到 ,获得积分10
3分钟前
无味完成签到 ,获得积分10
4分钟前
勤劳的颤完成签到 ,获得积分10
4分钟前
hannah完成签到,获得积分10
5分钟前
逃离地球完成签到 ,获得积分10
5分钟前
Ive完成签到 ,获得积分10
5分钟前
ee_Liu完成签到,获得积分10
5分钟前
史前巨怪完成签到,获得积分10
6分钟前
WYnini完成签到 ,获得积分10
6分钟前
ding应助科研通管家采纳,获得10
6分钟前
重重重飞完成签到 ,获得积分10
6分钟前
baobeikk完成签到,获得积分10
6分钟前
lanxinge完成签到 ,获得积分10
7分钟前
huco完成签到,获得积分10
7分钟前
cyskdsn完成签到 ,获得积分10
8分钟前
严珍珍完成签到 ,获得积分10
8分钟前
西西完成签到,获得积分10
8分钟前
8分钟前
Akim应助shen_haotian采纳,获得30
8分钟前
稻子完成签到 ,获得积分10
8分钟前
小炮仗完成签到 ,获得积分10
9分钟前
无悔完成签到 ,获得积分10
9分钟前
满意白卉完成签到 ,获得积分10
10分钟前
poki完成签到 ,获得积分10
11分钟前
净禅完成签到 ,获得积分10
11分钟前
12分钟前
SFYIII发布了新的文献求助10
12分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
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 3190081
求助须知:如何正确求助?哪些是违规求助? 2839405
关于积分的说明 8023496
捐赠科研通 2502226
什么是DOI,文献DOI怎么找? 1336379
科研通“疑难数据库(出版商)”最低求助积分说明 637836
邀请新用户注册赠送积分活动 605974