Picasso: Erzeugung eines Deckungssets von Proteinfamilienprofilen

MOTIVATION: Die evolutionsbiologische Klassifikation führt zu einer wirtschaftlichen Beschreibung von Proteinsequenzdaten, da Funktionen und Strukturen in Proteinfamilien vererbt werden. Dieses Papier präsentiert Picasso, ein Verfahren zur Ableitung eines minimalen Satzes von Proteinfamilienprofilen, die alle bekannten Proteinsequenzen abdecken. ERGEBNISSE: Picasso beginnt mit hoch überlappenden Sequenznähe, die durch eine vollständige paarweise Blast-Ausrichtung offenbart werden. Überlappungen werden reduziert, indem Sequenzen oder Teile von Sequenzen in mehrere Ausrichtungen zusammengeführt werden. Für maximale Vereinheitlichung müssen die Mehrfachausrichtungen in die Dämmerungszone der Sequenzähnlichkeit reichen. Empfindlicher und selektiver Profil-Profil-Vergleich ermöglicht eine Vereinheitlichung bis zu etwa 15 % paarweiser Sequenzidentität. Familien, die durch ein kurzes konserviertes Sequenzmotiv vereinheitlicht sind, sind mit mehreren vollstängigen Ausrichtungen verbunden, die verschiedene Unterfamilien beschreiben. Domänen, die mobile Module sind, werden basierend auf ihrer Assoziation mit verschiedenen Nachbargruppen identifiziert. Das Ergebnis sind 10.000 vereinheitlichte Domänenfamilien (ohne Einzelgänger), die funktional verwandte Proteine repräsentieren und klassische, produktive Domänentypen in hohen Zahlen wiederherstellen. Die Klassifikation ist nützlich, zum Beispiel bei der Entwicklung von Strategien für effizientes Datenbanksuchen und zur Auswahl von Zielen, um die Karte aller 3D-Strukturen zu vervollständigen.