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
yinlu完成签到 ,获得积分10
2秒前
蓝胖子完成签到 ,获得积分10
3秒前
自然之水完成签到,获得积分10
5秒前
5秒前
斐卅完成签到 ,获得积分10
10秒前
shimenwanzhao完成签到 ,获得积分0
10秒前
11秒前
树袋熊发布了新的文献求助100
12秒前
iuhgnor完成签到,获得积分10
12秒前
年轻的凝云完成签到 ,获得积分10
14秒前
一定可以发布了新的文献求助10
18秒前
jerry完成签到 ,获得积分10
18秒前
蛋炒饭不加蛋完成签到,获得积分10
18秒前
h3xxxmax完成签到,获得积分10
20秒前
zzt完成签到,获得积分10
20秒前
Ploaris完成签到 ,获得积分10
21秒前
彪壮的绮梅完成签到,获得积分10
23秒前
Three发布了新的文献求助10
26秒前
笨笨烨华完成签到 ,获得积分10
28秒前
我爱螺蛳粉完成签到 ,获得积分10
30秒前
gnr2000应助科研通管家采纳,获得10
31秒前
所所应助科研通管家采纳,获得10
32秒前
加湿器应助科研通管家采纳,获得200
32秒前
小羊完成签到 ,获得积分10
33秒前
子蓼完成签到 ,获得积分10
34秒前
zx完成签到 ,获得积分10
35秒前
感动依霜完成签到 ,获得积分10
45秒前
认真的裙子完成签到,获得积分10
53秒前
客官们帮帮忙完成签到 ,获得积分10
57秒前
59秒前
jscr完成签到,获得积分10
1分钟前
碧蓝丹烟完成签到 ,获得积分10
1分钟前
浩浩发布了新的文献求助10
1分钟前
研友_89eBO8完成签到 ,获得积分10
1分钟前
善良的书本完成签到,获得积分10
1分钟前
稳重岩完成签到 ,获得积分10
1分钟前
林沐完成签到 ,获得积分10
1分钟前
Lucky完成签到 ,获得积分10
1分钟前
课呢完成签到,获得积分10
1分钟前
冰激凌完成签到,获得积分10
1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 3186963
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 8012060
捐赠科研通 2499425
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