これはブログではない

生物学(主に理論生物学)の論文を書くために読みます

PREvaILは、機械学習の枠組みにおける配列・構造・ネットワークの特徴を用いて触媒残基を推察する統合的な方法である。

Song, J.,... Webb, G.I.(2018.4, Journal of Theoretical Biology)[PREvaIL, an integrative approach for inferring catalytic residues using sequence, structural, and network features in a machine-learning framework]

 

理由

JTBの最も引用されてる論文

 

概要

酵素における触媒残基の決定は、タンパク質配列、構造、機能の関係を理解し、新しい酵素とその阻害剤を設計する能力を高めるのに重要である。多くの酵素の配列がわかり、その一次配列と三次配列が決定されたが、酵素の機能的特徴の実験的方法は遅れを取っている。触媒残基を同定する実験的方法は、資源と労働がかなり必要であるので、計算機的方法はかなり価値があり、触媒残基に同定と配列-酵素-機能のギャップを埋めるのに役立つ統合的な実験的研究の能力をかなり高くする。この研究では、酵素の触媒残基を予測するPREvaILと呼ばれる新しい計算機的方法を示す。この方法は、配列・構造・残基接触ネットワークを含むランダムフォレスト機械学習の枠組みで抽出された情報的特徴の統合的なセットを活用する。10倍の交差検証と独立試験、そして7つの現在の配列と構造に基づく方法のパフォーマンスを同時に比較することで、8つの異なるデータセットの革新的な拡張方法によって、PREvaILは特徴的な曲線と面積を支配する受取手の条件下での面積と、予測-想起的な曲線下での面積をそれぞれ0.896-0.973と0.294-0.523の範囲で予測する能力を示した。この方法は異なるレベルから生じる有効なシグナルを捉えることができ、異なるが有効な種類の特徴を用いて、触媒残基の予測の能力をかなり促進することができる。この新しい方法は、タンパク質の配列-構造-機能の複雑な関係を理解し、機能的注釈のない新しい酵素の特徴を促進するために価値のある方法として有効化されると考えられる。

 

雑記

ストックしてた論文がなくなってしまい、ほうぼうを探し回ることになった