MUSTER: Melhorando alinhamentos de perfis de sequência de proteínas usando múltiplas fontes de informação estrutural

Desenvolvemos um novo algoritmo de threading MUSTER ao estender o método anterior de alinhamento de perfis de sequência de proteínas, PPA. Ele combina várias informações de sequência e estrutura em termos de corpo único que podem ser convenientemente usados na busca por programação dinâmica: (1) perfis de sequência; (2) estruturas secundárias; (3) perfis de fragmentos de estrutura; (4) acessibilidade ao solvente; (5) ângulos de torsão diédricos; (6) matriz de pontuação hidrofóbica. O equilíbrio dos parâmetros de peso é otimizado por uma busca de graduação com base na média TM-score de 111 proteínas de treinamento, o que mostra um desempenho melhor do que o uso dos métodos de otimização convencionais baseados no banco de dados PROSUP. O algoritmo é testado em 500 proteínas não homólogas independentes dos conjuntos de treinamento. Após a remoção dos templates homólogos com uma identidade de sequência para o alvo >30%, em 224 casos, o primeiro alinhamento de template tem a topologia correta com um TM-score >0,5. Mesmo com um corte mais rigoroso ao remover os templates com uma identidade de sequência >20% ou detectáveis por PSI-BLAST com um valor E de 0,5. Dependendo dos cortes de homologia, a média do TM-score dos primeiros alinhamentos de threading pelo MUSTER é 5,1-6,3% maior do que pelo PPA. Essa melhoria é estatisticamente significativa pelo teste de postos sinalizados de Wilcoxon com um valor P < 1,0 x 10(-13), o que demonstra o efeito da informação estrutural adicional no reconhecimento de dobra de proteínas. O servidor MUSTER está disponível gratuitamente para a comunidade acadêmica em http://zhang.bioinformatics.ku.edu/MUSTER.