Seznam softwaru pro detekci oblastí s nízkou složitostí v proteinech - List of software to detect low complexity regions in proteins

Výpočtové metody mohou studovat proteinové sekvence a identifikovat tak oblasti nízká složitost, které mohou mít určité vlastnosti týkající se jejich funkce a struktury.

názevPoslední aktualizacePoužíváníPopisOtevřený zdroj?Odkaz
SAPS1992ke stažení / webPopisuje několik statistik proteinových sekvencí pro hodnocení charakteristických charakteristik obsahu zbytků a uspořádání v primárních strukturách.Ano[1]
SEG1993ke staženíJedná se o dvouprůchodový algoritmus: nejprve identifikuje LCR a poté provede lokální optimalizaci maskováním Xs LCRAno[2]
fLPS2017ke stažení / webMůže snadno zpracovat velmi velké datové soubory bílkovin, jaké mohou pocházet z metagenomických projektů. Je užitečné při hledání proteinů s podobnými CBR a při vytváření funkčních závěrů o CBR pro požadovaný proteinAno[3]
OBSAZENÍ2000webIdentifikuje LCR pomocí dynamického programování.Ne[4]
JEDNODUCHÝ2002ke stažení webUsnadňuje kvantifikaci množství jednoduché sekvence v proteinech a určuje typ krátkých motivů, které ukazují shlukování nad určitou prahovou hodnotou.Ano[5]
Oj.py2001na znameníNástroj pro vymezení proteinových domén s nízkou složitostí.Ne[6]
DSR2003na znameníVypočítá složitost pomocí vzájemné složitosti.Ne[7]
ScanCom2003na znameníVypočítá kompoziční složitost pomocí míry jazykové složitosti.Ne[8]
KARTU2005na znameníNa základě analýzy složitosti subsekvencí oddělených dvojicemi identických opakujících se subsekvencí.Ne[9]
BIAS2006ke stažení / webVyužívá statistiku diskrétního skenování, která poskytuje vysoce přesnou korekci vícenásobného testu k výpočtu analytických odhadů významnosti každého segmentu s kompozičním předpětím.Ano[10]
GBA2006na znameníAlgoritmus založený na grafu, který vytváří graf sekvence.Ne[11]
SubSeqer2008webGrafický přístup k detekci a identifikaci opakujících se prvků v sekvencích s nízkou složitostí.Ne[12]
ANNIE2009webTato metoda vytváří automatizaci sekvenčního analytického procesu.Ne[13]
Anotace LPS2011na znameníTento algoritmus definuje zkreslení kompozice prostřednictvím důkladného hledání subsekvencí s nejnižší pravděpodobností (LPS; Low Probability Sequences) a slouží jako pracovní plocha nástrojů, které jsou nyní k dispozici molekulárním biologům ke generování hypotéz a závěrů o proteinech, které zkoumají.Ne[14]
LCReXXXplorer2015webWebová platforma pro vyhledávání, vizualizaci a sdílení dat pro oblasti s nízkou složitostí v proteinových sekvencích. LCR-eXXXplorer nabízí nástroje pro zobrazování LCR ze znalostní báze UniProt / SwissProt v kombinaci s dalšími relevantními proteinovými funkcemi, předpokládanými nebo experimentálně ověřenými. Uživatelé také mohou provádět dotazy proti vlastní navržené databázi sekvencí / LCR.Ne[15]
XNU1993ke staženíPro výpočet složitosti používá skórovací matici PAM120.Ano[16]


Komplexní přehled o různých metodách a nástrojích najdete v části [17].

Kromě toho byl vyvinut webový meta-server s názvem PLAtform of TOols for LOw COmplexity (PlaToLoCo) pro vizualizaci a anotaci oblastí s nízkou složitostí v proteinech [18]. PlaToLoCo integruje a sbírá výstup pěti různých nejmodernějších nástrojů pro objevování LCR a poskytuje funkční anotace, jako je detekce domény, predikce transmembránových segmentů a výpočet frekvencí aminokyselin. Dále lze získat sjednocení nebo průsečík výsledků vyhledávání v posloupnosti dotazů.

Byl vyvinut webový server Neural Network s názvem LCR-hound, který předpovídá funkci prokaryotických a eukaryotických LCR na základě jejich obsahu aminokyselin nebo di-aminokyselin. [19].

Reference

  1. ^ Brendel V, Bucher P, Nourbakhsh IR, Blaisdell BE, Karlin S (15. března 1992). "Metody a algoritmy pro statistickou analýzu proteinových sekvencí". Proc Natl Acad Sci U S A. 89 (6): 2002–2006. doi:10.1073 / pnas.89.6.2002. PMC  48584. PMID  1549558.
  2. ^ Wootton JC, Federhen S (červen 2003). "Statistiky lokální složitosti v aminokyselinových sekvencích a databázích sekvencí". Počítače a chemie. 17 (2): 149–163. doi:10.1016 / 0097-8485 (93) 85006-X.
  3. ^ Harrison PM (13. listopadu 2017). „fLPS: Rychlý objev kompozičních předsudků pro proteinový vesmír“. BMC bioinformatika. 18 (1): 476. doi:10.1186 / s12859-017-1906-3. PMC  5684748. PMID  29132292.
  4. ^ Promponas VJ, Enright AJ, Tsoka S, Kreil DP, Leroy C, Hamodrakas S, Sander C, Ouzounis CA (říjen 2000). „CAST: iterační algoritmus pro analýzu složitosti sekvenčních traktů. Analýza složitosti sekvenčních traktů“. Bioinformatika. 16 (10): 915–922. doi:10.1093 / bioinformatika / 16.10.915. PMID  11120681.
  5. ^ Albà MM, Laskowski RA, Hancock JM (květen 2002). Msgstr "Detekce tajemně jednoduchých proteinových sekvencí pomocí algoritmu SIMPLE". Bioinformatika. 18 (5): 672–678. doi:10.1093 / bioinformatika / 18.5.672. PMID  12050063.
  6. ^ Wise MJ (2001). „0j.py: softwarový nástroj pro bílkoviny a proteinové domény s nízkou složitostí“. Bioinformatika. 17 (Suppl 1): S288 – S295. doi:10.1093 / bioinformatika / 17.suppl_1.s288. PMID  11473020.
  7. ^ Wan H, Li L, Federhen S, Wootton JC (2003). "Objevování jednoduchých regionů v biologických sekvencích spojených se schématy skórování". J Comput Biol. 10 (2): 171–185. doi:10.1089/106652703321825955. PMID  12804090.
  8. ^ Nandi T, Dash D, Ghai R, B-Rao C, Kannan K, Brahmachari SK, Ramakrishnan C, Ramachandran S (2003). "Nový algoritmus pro detekci oblastí s nízkou složitostí v proteinových sekvencích". J Biomol Struct Dyn. 20 (5): 657–668. doi:10.1080/07391102.2003.10506882. PMID  12643768.
  9. ^ Shin SW, Kim SM (15. ledna 2005). „Nové měřítko složitosti pro srovnávací analýzu proteinových sekvencí z úplných genomů“. Bioinformatika. 21 (2): 160–170. doi:10.1093 / bioinformatika / bth497. PMID  15333459.
  10. ^ Kuzněcov IB, Hwang S (1. května 2006). „Nová citlivá metoda pro detekci uživatelsky definovaného zkreslení kompozice v biologických sekvencích“. Bioinformatika. 22 (9): 1055–1063. doi:10.1093 / bioinformatika / btl049. PMID  16500936.
  11. ^ Li X, Kahveci T (15. prosince 2006). „Nový algoritmus pro identifikaci oblastí s nízkou složitostí v proteinové sekvenci“. Bioinformatika. 22 (24): 2980–2987. doi:10.1093 / bioinformatika / btl495. PMID  17018537.
  12. ^ He D, Parkinson J (1. dubna 2008). „SubSeqer: grafický přístup k detekci a identifikaci opakujících se prvků v sekvencích s nízkou složitostí“. Bioinformatika. 24 (7): 1016–1017. doi:10.1093 / bioinformatika / btn073. PMID  18304932.
  13. ^ Ooi HS, Kwo CY, Wildpaner M, Sirota FL, Eisenhaber B, Maurer-Stroh S, Wong WC, Schleiffer A, Eisenhaber F, Schneider G (červenec 2009). „ANNIE: integrovaná anotace proteinové sekvence de novo“. Nucleic Acids Res. 37 (Problém s webovým serverem): W435 – W440. doi:10.1093 / nar / gkp254. PMC  2703921. PMID  19389726.
  14. ^ Harbi D, Kumar M, Harrison PM (6. ledna 2011). „LPS-annotate: complete annotation of compositionally biasied areas in the protein knowledgebase“. Databáze (Oxford). 2011: baq031. doi:10.1093 / databáze / baq031. PMC  3017391. PMID  21216786.
  15. ^ Kirmitzoglou I, Promponas VJ (1. července 2015). „LCR-eXXXplorer: webová platforma pro vyhledávání, vizualizaci a sdílení dat pro oblasti s nízkou složitostí v proteinových sekvencích“. Bioinformatika. 31 (13): 2208–2210. doi:10.1093 / bioinformatika / btv115. PMC  4481844. PMID  25712690.
  16. ^ Claverie JM, státy D (červen 1993). "Metody vylepšení informací pro sekvenční analýzu ve velkém měřítku". Computers Chem. 17 (2): 191–201. doi:10.1016 / 0097-8485 (93) 85010-a.
  17. ^ Mier, Pablo; Paladin, Lisanna; Tamana, Stella; Petrosian, Sophia; Hajdu-Soltész, Borbála; Urbanek, Annika; Gruca, Aleksandra; Plewczynski, Dariusz; Grynberg, Marcin; Bernadó, Pau; Gáspári, Zoltán (2020-03-23). „Oddělení složitosti proteinů s nízkou složitostí“. Briefings in Bioinformatics. 21 (2): 458–472. doi:10.1093 / bib / bbz007. ISSN  1467-5463. PMC  7299295. PMID  30698641.
  18. ^ Jarnot, Patryk; Ziemska-Legiecka, Joanna; Dobson, Laszlo; Merski, Matthew; Mier, Pablo; Andrade-Navarro, Miguel A; Hancock, John M; Dosztányi, Zsuzsanna; Paladin, Lisanna; Necci, Marco; Piovesan, Damiano (02.07.2020). „PlaToLoCo: první webový meta-server pro vizualizaci a anotaci oblastí s nízkou složitostí v proteinech“. Výzkum nukleových kyselin. 48 (W1): W77 – W84. doi:10.1093 / nar / gkaa339. ISSN  0305-1048. PMC  7319588. PMID  32421769.
  19. ^ Ntountoumi, Chrysa; Vlastaridis, Panayotis; Mossialos, Dimitris; Stathopoulos, Constantinos; Iliopoulos, Ioannis; Promponas, Vasilios; Oliver, Stephen G; Amoutzias, Grigoris D (04.11.2019). „Oblasti s nízkou složitostí v proteinech prokaryot plní důležité funkční role a jsou vysoce konzervativní“. Výzkum nukleových kyselin. 47 (19): 9998–10009. doi:10.1093 / nar / gkz730. ISSN  0305-1048. PMC  6821194. PMID  31504783.