Key points are not available for this paper at this time.
Wir entwickeln einen neuen Threading-Algorithmus MUSTER, indem wir die vorherige Methode zur Ausrichtung von Sequenzprofilen-P-Profilen (PPA) erweitern. Er kombiniert verschiedene Sequenz- und Strukturinformationen in einheitlichen Termen, die bequem in der dynamischen Programmsuche verwendet werden können: (1) Sequenzprofile; (2) sekundäre Strukturen; (3) Strukturfragmentprofile; (4) Lösungsmittelzugänglichkeit; (5) dihedrale Torsionswinkel; (6) hydrophobe Bewertungmatrix. Das Gleichgewicht der Gewichtungsparameter wird durch eine Bewertungsuche basierend auf dem durchschnittlichen TM-Score von 111 Trainingsproteinen optimiert, was eine bessere Leistung zeigt als die Verwendung der konventionellen Optimierungsmethoden basierend auf der PROSUP-Datenbank. Der Algorithmus wird an 500 nicht-homologen Proteinen getestet, die unabhängig von den Trainingssets sind. Nach dem Entfernen der homologen Vorlagen mit einer Sequenzidentität zum Ziel >30%, hat in 224 Fällen die erste Vorlagenausrichtung die korrekte Topologie mit einem TM-Score >0,5. Selbst mit einer strengeren Grenze durch das Entfernen der Vorlagen mit einer Sequenzidentität >20% oder nachweisbar durch PSI-BLAST mit einem E-Wert 0,5. Abhängig von den Homologiekapiteln ist der durchschnittliche TM-Score der ersten Threading-Ausrichtungen durch MUSTER 5,1-6,3% höher als der von PPA. Diese Verbesserung ist statistisch signifikant durch den Wilcoxon-Vorzeichen-Rang-Test mit einem P-Wert < 1,0 x 10(-13), was den Effekt zusätzlicher struktureller Informationen auf die Erkennung von Protein-Faltungen demonstriert. Der MUSTER-Server ist der akademischen Gemeinschaft unter http://zhang.bioinformatics.ku.edu/MUSTER kostenlos zugänglich.
Wu et al. (Mon,) untersuchten diese Frage.