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
3秒前
追梦人2016完成签到 ,获得积分10
6秒前
若邻发布了新的文献求助10
9秒前
爱学习的悦悦子完成签到 ,获得积分10
10秒前
12秒前
zzh12138发布了新的文献求助10
15秒前
QY完成签到 ,获得积分10
16秒前
23秒前
28秒前
陈秋完成签到,获得积分10
32秒前
超体完成签到 ,获得积分10
38秒前
小墨应助科研通管家采纳,获得10
39秒前
joeqin完成签到,获得积分10
40秒前
泌尿小周完成签到 ,获得积分10
41秒前
迈克老狼完成签到 ,获得积分10
46秒前
海阔天空完成签到 ,获得积分10
58秒前
跳跃安波完成签到 ,获得积分10
1分钟前
陈昇完成签到 ,获得积分10
1分钟前
跳跃安波关注了科研通微信公众号
1分钟前
集典完成签到 ,获得积分10
1分钟前
wdd完成签到 ,获得积分10
1分钟前
leo完成签到,获得积分10
1分钟前
1分钟前
1分钟前
无聊的从霜完成签到 ,获得积分10
1分钟前
Bzz发布了新的文献求助10
1分钟前
Bzz完成签到,获得积分10
1分钟前
tion66完成签到 ,获得积分10
1分钟前
bblv完成签到 ,获得积分0
1分钟前
阳炎完成签到,获得积分10
1分钟前
平常从蓉完成签到,获得积分10
1分钟前
若邻完成签到,获得积分10
1分钟前
XZZ完成签到 ,获得积分10
2分钟前
logolush完成签到 ,获得积分10
2分钟前
经纲完成签到 ,获得积分0
2分钟前
2分钟前
Ray完成签到 ,获得积分10
2分钟前
成就丸子完成签到 ,获得积分10
2分钟前
小新完成签到 ,获得积分10
2分钟前
yuehan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
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192705
求助须知:如何正确求助?哪些是违规求助? 2841742
关于积分的说明 8034584
捐赠科研通 2505438
什么是DOI,文献DOI怎么找? 1338578
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929