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
科研通AI2S应助Singularity采纳,获得10
刚刚
瞿访云完成签到,获得积分10
刚刚
培培完成签到 ,获得积分10
1秒前
田様应助lily336699采纳,获得10
3秒前
4秒前
之鱼之乐发布了新的文献求助10
5秒前
光亮语梦完成签到 ,获得积分10
8秒前
天真幻珊完成签到 ,获得积分10
9秒前
八硝基立方烷完成签到,获得积分0
10秒前
EiketsuChiy完成签到 ,获得积分0
11秒前
之鱼之乐完成签到,获得积分10
14秒前
Hello应助malistm采纳,获得20
18秒前
wangye完成签到 ,获得积分10
18秒前
今晚月色完成签到,获得积分10
19秒前
mmyhn发布了新的文献求助10
22秒前
kingyuan完成签到,获得积分10
22秒前
畅怀完成签到,获得积分10
23秒前
25秒前
三脸茫然完成签到 ,获得积分10
26秒前
香菜皮蛋完成签到 ,获得积分10
30秒前
malistm发布了新的文献求助20
30秒前
33秒前
33秒前
Upupcc完成签到 ,获得积分20
36秒前
超帅柚子完成签到 ,获得积分10
37秒前
养猪大户完成签到 ,获得积分10
37秒前
38秒前
11xxyy发布了新的文献求助10
38秒前
Lucas完成签到,获得积分10
38秒前
范大大发布了新的文献求助10
39秒前
zzjiay完成签到,获得积分10
45秒前
48秒前
48秒前
50秒前
xiaofenzi完成签到,获得积分10
51秒前
meilongyong完成签到,获得积分10
52秒前
最棒哒完成签到 ,获得积分10
55秒前
56秒前
Wsyyy完成签到 ,获得积分10
57秒前
ninomae完成签到 ,获得积分10
1分钟前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 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 3183772
求助须知:如何正确求助?哪些是违规求助? 2833823
关于积分的说明 7995640
捐赠科研通 2496089
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636455
邀请新用户注册赠送积分活动 603625