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
熊泰山完成签到 ,获得积分10
5秒前
文心同学完成签到,获得积分10
16秒前
含蓄的易蓉完成签到,获得积分20
17秒前
22秒前
Keyuuu30完成签到,获得积分10
27秒前
28秒前
chenkj完成签到,获得积分10
28秒前
EricSai完成签到,获得积分10
28秒前
ikun完成签到,获得积分10
28秒前
大傻春完成签到 ,获得积分10
29秒前
shimenwanzhao完成签到 ,获得积分0
32秒前
欣喜大地完成签到 ,获得积分10
32秒前
橘里完成签到,获得积分10
34秒前
hanghang发布了新的文献求助10
35秒前
陶醉的远山完成签到,获得积分10
35秒前
我爱康康文献完成签到 ,获得积分10
35秒前
tfsn20完成签到,获得积分0
41秒前
339564965完成签到,获得积分10
45秒前
Helios完成签到,获得积分10
45秒前
姜sir完成签到 ,获得积分10
46秒前
ccc完成签到,获得积分10
46秒前
aaaaaa完成签到,获得积分10
46秒前
风信子完成签到,获得积分10
46秒前
47秒前
只想顺利毕业的科研狗完成签到,获得积分10
47秒前
风中的老九完成签到,获得积分10
48秒前
鹏举瞰冷雨完成签到,获得积分10
48秒前
xueshidaheng完成签到,获得积分10
49秒前
Brief完成签到,获得积分10
50秒前
nanostu完成签到,获得积分10
51秒前
小蘑菇应助科研通管家采纳,获得10
51秒前
英姑应助科研通管家采纳,获得10
52秒前
Jason完成签到 ,获得积分10
52秒前
小马哥完成签到,获得积分10
52秒前
四喜丸子完成签到 ,获得积分10
53秒前
高大的莞完成签到 ,获得积分10
54秒前
55秒前
奶油布丁完成签到,获得积分10
57秒前
会发芽完成签到 ,获得积分10
58秒前
Leo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
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 3190111
求助须知:如何正确求助?哪些是违规求助? 2839411
关于积分的说明 8023517
捐赠科研通 2502244
什么是DOI,文献DOI怎么找? 1336398
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