신호 펩타이드 및 기타 단백질 분류 신호 예측을 위한 기계 학습 접근법

아미노산 서열로부터 단백질 분류 신호를 예측하는 것은 현재 단백질체학 분야에서 큰 중요성을 갖습니다. 최근에는 단백질 데이터베이스의 성장과 신경망 및 은닉 마르코프 모델과 같은 기계 학습 접근법이 결합되어 예를 들어 자동 데이터베이스 주석에 실용적으로 사용할 수 있는 신뢰성 수준에 도달할 수 있게 되었습니다. 본 리뷰에서는 가장 잘 알려진 분류 신호인 분비 신호 펩타이드 예측을 위한 우리의 신경망 기반 방법인 SignalP의 현재 상태와 향후 전망에 집중합니다. 우리는 SignalP를 게놈 서열에 사용하는 데 관련된 문제를 논의하며, 시작 코돈과 막관통 헬리스를 예측하는 것과 통합된다면 신호 펩타이드 예측이 더 개선될 것임을 보여줍니다. 이를 위한 첫 단계로 SignalP의 은닉 마르코프 모델 버전이 개발되어 절단된 신호 펩타이드와 절단되지 않은 신호 앵커를 구별할 수 있게 되었습니다. 또한, 우리는 SignalP가 고대 세균인 Methanococcus jannaschii에서 가정적인 신호 펩타이드를 특성화하는 데 어떻게 사용될 수 있는지를 보여줍니다. 마지막으로, 우리는 다른 단백질 분류 신호를 예측하기 위한 몇 가지 방법을 간략하게 검토하고 단백질 분류 예측의 미래에 대해 논의합니다.