BMC Bioinformatics Bio Medicina Central

Software Acceso abierto

I-TASSER servidor para la proteína de predicción de estructura 3D

Zhang Yang

Dirección: Centro de Bioinformática y el Departamento de Biociencia Molecular de la Universidad de Kansas, 2030 Becker Dr, Lawrence, KS 66047, EE.UU. Correo electrónico: Yang Zhang -

yzhang@ku.edu

Publicado: 23 Enero 2008 Recibido: 19 Septiembre 2007

Aceptado: 23 Enero 2008
BMC Bioinformatics 2008, 9: 40 doi: 10.1186 / 1471-2105-9-40

Este artículo está disponible en: http://www.biomedcentral.com/1471-2105/9/40 © 2008 Zhang;

BioMed Central
Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Atribución (h ttp: //creativecommons.org/licenses/by/2.0 ), Que permite el uso ilimitado, distribución y
reproducción en cualquier medio, siempre que la obra original esté debidamente citados.

Fondo abstracto: Predicción de estructuras de proteínas 3 dimensiones a partir de secuencias de aminoácidos representa uno
de los problemas más importantes en la biología estructural computacional. La evaluación crítica de toda la comunidad de
experimentos de estructura de predicción (CASP) han sido diseñados para obtener una evaluación objetiva del estado de la
técnica del campo, donde la I-TASSER se clasificó como el mejor método en la sección del servidor de la reciente experimento
CASP séptimo. Nuestro laboratorio ha hecho desde entonces recibido numerosas peticiones sobre la disponibilidad pública del
algoritmo I-TASSER y el uso de las predicciones I-TASSER.

resultados: Una versión en línea de la I-TASSER se desarrolla en el Centro de Bioinformática KU que ha generado predicciones
de estructura de proteínas para miles de solicitudes de modelado de más de 35 países. Una función de puntuación (C-score)
basado en la densidad estructural agrupación relativa y la puntuación de importancia consenso de varias plantillas de roscado se
introduce para estimar la exactitud de las predicciones I-TASSER. Una prueba de punto de referencia a gran escala demuestra
una fuerte correlación entre la puntuación C y la TM-score (una medición de la similitud estructural con valores en [0, 1]) de los
primeros modelos con un coeficiente de correlación de 0,91. El uso de un corte C-score>

- 1,5 para los modelos de topología correcta, tanto las tasas de positivos falsos y negativos falsos están por debajo de 0,1. La combinación
C-score y longitud de la proteína, la exactitud de los modelos I-TASSER se puede predecir con un error promedio de 0,08 para TM-score y 2
Å para RMSD.

Conclusión: El servidor de I-TASSER ha sido desarrollado para generar predicciones estructurales de la proteína 3D de larga duración
automatizados, donde el sistema de puntuación ayuda a los usuarios como punto de referencia para obtener evaluaciones cuantitativas de
los modelos I-TASSER. La salida de la I-TASSER servidor para cada consulta incluye hasta cinco modelos de larga duración, la puntuación
de confianza, el TM-score y RMSD estimado, y la desviación estándar de las estimaciones. El servidor de I-TASSER es de libre disposición
de la comunidad académica en h ttp: //zhang.bioinformatics.ku.edu/I-TASSER .

Antecedentes
la predicción de estructura de proteínas se refiere al esfuerzo de generar modelos
de 3 dimensiones a partir de secuencias de aminoácidos usando algoritmos
informáticos. Sin embargo, los procesos de modelado estructura a menudo
implican la intervención humana debido a que el conocimiento humano experto
combina con la información bioquímica (función, mutagénesis, residuos catalíticos,
etc.) podría ayudar en tanto el montaje como modelo estructural selección
[1,2]. Sin embargo, el desarrollo de algoritmos fullyautomated tiene la
ventaja en la aplicación potencial en la estructura predicciones proteoma
escala [3,4]. Sobre todo, permite que los no expertos para generar modelos
estructurales para sus propias secuencias a través de servicios de Internet.
En la reciente Doble Ciego de toda la comunidad, CASP7,

Página 1 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40
I-TASSER (como 'Zhang-Servidor') generó las mejores predicciones de la estructura
3D entre todos los servidores automatizados. Los GDT_TS promedio [5] o TM-score
[6] de los 124 objetivos / dominios es al menos 5% más alto que el segundo mejor
servidor y comparables con las mejores predicciones humano-expertos [7].
Desde la primera versión pública en noviembre de 2006, el servidor ITASSER
ha generado predicciones de la estructura de miles de solicitudes de
modelado de diversos laboratorios del mundo. Hemos estado con frecuencia
hechas por los usuarios sobre cómo la calidad de los modelos I-TASSER debe
ser anotado ya que esto esencialmente decidir cómo van a explotar las
predicciones en sus investigaciones. La idea general de la estimación de la
calidad de modelado 3D de los modelos ha sido perseguido por varios autores
[8-10], que se une como un nuevo tema de investigación de "programas de
evaluación de la calidad del modelo" (MQAP) [11] y se evaluó en el CASP7
reciente experimento en la categoría de control de calidad [12].
En este trabajo, se introduce el ajuste en línea del servidor ITASSER y
desarrollar un sistema de puntuación de la confianza que puede proporcionar a
los usuarios una evaluación sencilla y fiable de los modelos ITASSER. A
diferencia de la mayoría de los programas MQAP que evalúan los modelos
puramente basado en la estructura de los modelos finales, la función de
puntuación de confianza desarrollado aquí incorpora la información y los
parámetros de las simulaciones de modelos.
Implementación
método I-TASSER
I-TASSER es un enfoque jerárquico estructura de la proteína de modelado
basado en el secundario-estructura mejorada perfil perfil roscado de
alineación (PPA) [13] y la aplicación iterativa de
El roscado Asamblea
Refinamiento programa (TASSER) [14]. El detalle del método ITASSER se
ha descrito en [15,16]. Aquí se da una breve descripción del método.
Las secuencias diana son roscados primero a través de una biblioteca
representativa estructura PDB (con un par-sabia de identidad de secuencia de
corte de 70%) para buscar los posibles pliegues por cuatro variantes simples de
métodos PPA, con diferentes combinaciones de los modelos ocultos de Markov [
17] y [18] PSIBLAST perfiles y la Needleman-Wunsch [19] y Smith-Waterman [20]
algoritmos de alineación. Los fragmentos continuos son luego extirpados de las
regiones de roscado alineado que se utilizan para volver a montar los modelos de
larga duración mientras que las regiones no alineados Threading (bucles
principalmente) son construidos por ab initio modelación [21]. El espacio
conformacional es buscado por de intercambio de réplica de simulaciones de
Monte Carlo [22]. Las trayectorias de estructura son agrupados por SPICKER
[23,24] y los centroides de racimo se obtienen por el promedio de las
coordenadas de todas las estructuras agrupadas. Para descartar los choques
estéricos en las estructuras del centroide y refinar los modelos más, ponemos en
práctica la fragmentación
http://www.biomedcentral.com/1471-2105/9/40
ment simulación montaje de nuevo, que comienza desde el centroide racimo
de la primera simulación ronda. restricciones espaciales se extraen de los
centroides y las estructuras de AP buscadas por la estructura del programa de
alineación TM-align [25], que se utilizan para guiar la segunda simulación
ronda. Por último, los señuelos estructura se agrupan y se selecciona la
estructura de energía más bajo en cada grupo, que tiene el C α átomos y los
centros de la cadena lateral de masa especificados. Pulchra [26] se utiliza para
agregar átomos del esqueleto (N,
C, O) y Scwrl_3.0 [27] para construir rotámeros de cadena lateral.
Si cualquier región con> 80 residuos no se ha alineado residuos en al menos dos
fuertes alineaciones PPA de Z-score> Z 0 ( ver más abajo), el objetivo será juzgada
como un múltiplo límites de proteínas de dominio y dominio se asignan
automáticamente basado en las fronteras de los grandes huecos. simulaciones
I-TASSER se llevará a cabo para la cadena completa, así como los dominios
separados. Los modelos finales de longitud completa se generan por atracar el
modelo de dominios juntos. El dominio de acoplamiento se lleva a cabo por una
rápida simulación Metropolis Monte Carlo en donde la energía se define como la
RMSD de modelos de dominio para el modelo de cadena completo más el
recíproco del número de choques estéricos entre dominios. El objetivo del
acoplamiento es encontrar la orientación de dominio que es la más cercana al
modelo de cadena completa I-TASSER pero tiene los choques estéricos
mínimos. Este procedimiento no influye en las múltiples proteínas de dominio
que tienen todos los dominios completamente alineados por los CCE.
C-score
El C-score de los modelos I-TASSER se define como
• 4 •
• Π Z ()ii
•
• 1 1 •
C-score = En M ⋅ ⋅= (1)
• MTOT RMSD 4 •
• Π Z0 ()ii •
• •
• =1 •
donde M es la multiplicidad de las estructuras en el cluster SPICKER; METRO nene
es el número total de los señuelos de estructura I-TASSER utilizados en la
agrupación; RMSD es la RMSD media de los señuelos para el centroide de
clúster; Z ( yo) es la Zscore más alta (la energía a significar en la unidad de
desviación estándar) de las plantillas de la yo º PPA programa de enhebrado y Z 0
( yo) es un punto de corte Z de la especificada programa para distinguir entre las
plantillas de buenos y malos, es decir Z 0 ( 1) =
7,0, Z 0 ( 2) = 8,5, Z 0 ( 3) = 8,0, Z 0 ( 4) = 10,5.
Los dos primeros factores de la Ecuación 1 cuenta para el grado de estructura
de la convergencia en la agrupación SPICKER, que se correlaciona con la
consistencia de las restricciones externas y el potencial inherente I-TASSER. El
tercer factor que da cuenta de la calidad de las alineaciones de roscado. El
logaritmo en la ecuación 1 es para ajustar los valores C-score en una
distribución aproximadamente uniforme. A C- previamente definido
Página 2 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40
la puntuación se ha demostrado que tiene una fuerte correlación con la calidad de
los modelos de predicción [14]. En este caso, la definición de C-score es ligeramente
diferente. En primer lugar, un normalizado puntuación Z por Z 0 se utiliza en lugar de
la propia puntuación Z que hace que sea fácil de extender la definición a los casos
en los que las plantillas son generadas por diferentes algoritmos de roscado. En
segundo lugar, representa el consenso de confianza alineación de múltiples
programas de roscado en lugar de programa de una rosca.
También hemos intentado otras alternativas para la definición C-score. Por
ejemplo, si añadimos TM-score , El TM-puntuación media de los señuelos para el
centroide de clúster, en el numerador del segundo factor en la ecuación 1, la
correlación entre la puntuación C y TM-puntuación aumentará por ~ 2%. Pero
no aumenta la correlación de C-partido en el RMSD y el cálculo de TM-score aumentará
que los usuarios pueden realizar un seguimiento de sus trabajos presentados. Por último,
el tiempo de ejecución SPICKER por ~ 20%. Así que no hemos incluido
TM-score en la definición CPuntuacion. También se intentó optimizar las
potencias de los tres factores de la ecuación 1 mediante la maximización de la
correlación entre la puntuación C y la calidad de los modelos finales en las
proteínas de formación. Curiosamente, los poderes optimizadas de los tres
factores están cerca de 1, lo que indica que el C-score en la Ecuación 1 se
encuentra cerca de una definición óptima si teniendo en cuenta estos 3
factores.
TM-score
TM-score se define para evaluar la similitud topológica de dos estructuras de
proteínas [6]:
112
Σ
1
TM-score = , (2)
L 02
=1
Illinois
+ hizo
dónde re yo es la distancia de la yo ésimo par de residuos entre dos estructuras
después de una óptima superposición,
3
re 0 = 1 .24 L - -15 1 8 . y L es la longitud de la proteína. TM-
Siguen en [0, 1] con los valores más altos indican mejores modelos.
Estadísticamente, una MT-score ≤ 0,17 corresponde a una similitud entre dos
estructuras seleccionados al azar de la biblioteca de AP; un TM-score> 0.5 se
corresponde aproximadamente con dos estructuras de la topología similar.
Una ventaja de la TMscore es que el significado de los puntos de corte
TMscore es independiente del tamaño de las proteínas [6].
configuración del servidor
La dirección URL del servidor de I-TASSER en línea aparece al final del
documento. Para utilizar el servidor, lo que los usuarios necesitan proporcionar es
la secuencia de aminoácidos de las proteínas a ser modelado en el formato
FASTA. Actualmente, el rango de tamaño aceptable de los objetivos es entre
10-1,500 residuos. Dependiendo del tamaño de la proteína, el procedimiento de
modelado I-TASSER toma un máximo de 48 horas (típicamente 5-10
http://www.biomedcentral.com/1471-2105/9/40
hora para una secuencia de alrededor de 200 residuos). Una vez finalizado el
modelado, un correo electrónico será enviado a los usuarios, que incluyen los
archivos de formato PDB de hasta 5 modelos predichos, C-score de los modelos, y
el RMSD y TMscore del primer modelo predijo. Una breve explicación de la RMSD,
TM-score, y C-score también se proporciona en el correo electrónico.
Una vez que se hace una predicción, un archivo GIF visual se hace para cada uno de los
modelos I-TASSER de manera que los usuarios pueden obtener una vista rápida en línea
de la forma en que la topología de sus modelos se parece. Los archivos PDB y los archivos
visuales se mantienen en nuestro servidor durante 365 días e hicieron públicamente
descargable en [28], por lo que otros usuarios pueden recuperar rápidamente los resultados
de los modelos sin volver a presentar los trabajos cuando quieren modelar las mismas o
similares proteínas. La cola de los puestos de trabajo se muestra en la página, así por lo
una página web "Sobre servidor I-TASSER" [29] está diseñado para proporcionar una
introducción detallada del servidor que se mantiene actualizada cuando se desarrollan
nuevas características.
Resultados y discusiones
Para el punto de referencia del servidor I-TASSER, recogemos 800 proteínas de un
solo dominio no homólogos directamente desde la biblioteca AP [30], que tiene un
par-sabia de identidad de secuencia <30% con el tamaño que varía de 50 a 300
residuos. El propósito ha sido hecho para tener las proteínas seleccionadas de una
distribución equilibrada en las clases de estructura secundaria y la dificultad de
modelado. Como resultado, el conjunto de referencia incluye 220/212/368 α / β / αβ- proteínas.
Con base en los Zscores de las alineaciones de PPA, 236/248/316 objetivos se
asignan como fácil / medio / objetivos duros respectivamente. Nosotros
seleccionamos al azar 300 proteínas como el conjunto de entrenamiento para
adaptarse a los parámetros de la calidad del modelo estimado (véase más adelante);
las 500 proteínas restantes serán utilizados como el conjunto de ensayo (véase [31]).
Cuando I-TASSER se utiliza para generar los modelos para las 800 proteínas,
plantillas homólogos con una identidad de secuencia> 30% a la diana se excluyen de
la biblioteca de plantillas de roscado.
Cabe mencionar que aquí referencia al algoritmo ITASSER sólo en las
proteínas de un solo dominio. Para las proteínas de múltiples dominios, un
pequeño misorientation de los dominios puede resultar en un cambio
dramático de los valores de TM-score y RMSD incluso si la topología de los
dominios individuales no se modifica, lo cual puede resultar en correlaciones
divergentes de la C-score y el modelo general cualidades. En consecuencia, la
confianza puntuación y estimación de la calidad de los modelos múltiples de
dominio debe entenderse aproximadamente como aquellos para las unidades
de dominio individuales.
La correlación de la puntuación C y modelo cualidades
En la Figura 1a, se muestra la TM-score de los primeros modelos I-TASSER de todas
las 500 proteínas de prueba, que muestra una fuerte correlación con las C-resultados
con una correlación de Pearson
Página 3 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40
Figura 1 (a) y RMSD (b) versus C-score de los modelos I-TASSER para 500 proteínas de prueba
TM-score
TM-score (a) y RMSD (b) versus C-score de los modelos I-TASSER para 500 proteínas de prueba. La curva de trazos en (a) es de la Ecuación 3 que es en forma de las proteínas de
formación 300 y se utiliza para la estimación de la TM-score de los modelos I-TASSER. Los círculos sólidos son la raíz cuadrada media desviación de los valores estimados TM-score
(RMSTD). La curva de trazo continuo es partir de la Ecuación 4, que es en forma de las proteínas de formación 300. Las líneas de puntos son los puntos de corte TM-score y C-score
para pliegues correctos.
coeficiente de 0,91. Si definimos un modelo de TM-score> 0.5 como un pliegue correcto
y evaluar los modelos utilizando un punto de corte de CPuntuacion> -1.5, la tasa de
falsos positivos y falsos negativos son
0,05 y 0,09 respectivamente.
La correlación de RMSD con el C-score no es tan fuerte como la de la
TM-score (Figura 1b). Muchos modelos de alta puntuación C tienen un gran
RMSD. Esto es principalmente debido a la definición de RMSD que
promedia distancias de todos los pares de residuo con un peso igual [32].
Por lo tanto, un gran error de modelos local dará lugar a un alto valor de
RMSD incluso cuando la topología global es correcta. Para ilustración, en la
Figura 2, se muestran dos ejemplos de la modelización I-TASSER. Para
1ca4A que tiene un alto C-score = 1,1, la región del núcleo del modelo es
muy cerca de la nativa con una RMSD = 2,2 Å. Sin embargo, el N-terminal
del modelo es mis-orientados que resulta en un RMSD global = 12,1 Å, una
región normalmente implicando pliegues equivocadas. Tal como se define
en la Ecuación 2, los pesos TM-score los pares de residuos de pequeñas
distancias más fuertes que los de las grandes distancias,
0,81 en el ejemplo. Para 1cmaA, la topología global de los arreglos de
estructura secundaria en el modelado I-TASSER es incorrecto con un
TM-score de 0,22 (cerca de azar). El C-score en este caso es -3.5. Sin
embargo, la RMSD (= 12,5 Å) es similar a la de 1ca4A. Por lo tanto, los
valores de RMSD en la región de alta RMSD no son sensibles a la
topología global de las estructuras.
http://www.biomedcentral.com/1471-2105/9/40
La segunda razón de la baja correlación RMSD / C-score es debido a la
dependencia del tamaño inherente de RMSD. En figura
3, se muestran los valores de TM-score y RMSD de los modelos ITASSER frente a
la longitud de la proteína para las proteínas de prueba 500. Obviamente, las
proteínas pequeñas tienden a tener un RMSD inferior, una tendencia también se
observa en los seleccionados al azar pares estructura PDB [6,33], lo que resulta en
una correlación RMSD no trivial / longitud (Figura 3b). Dado que la distancia en
TM-score se normaliza mediante una escala dependiente de la longitud (véase la
Ecuación 2), no hay dependencia de longitud en los valores de TM-score, que
tienen un corte casi uniforme cerca de 0,17 (Figura 3a).
En la Figura 4, representamos gráficamente los valores de RMSD frente a C-score-ln ( L),
que tiene una correlación obviamente más fuerte (coeficiente de correlación
= 0,81) que en la Figura 1b.
Como control, también calcular la correlación de TM-score (o RMSD) con la
identidad de secuencia entre el objetivo y la mejor plantilla, que es 0,33 (o
-0.23). La baja correlación no es sorprendente, ya que todas las plantillas
homólogos con una alta identidad de secuencia> 30% han sido excluidos y
los programas de perfil perfil menudo identificar las plantillas de topología
correcta incluso cuando la identidad de secuencia con el objetivo es baja.
estimación cuantitativa de la calidad de los modelos I-TASSER
Sobre la base de los modelos I-TASSER de las proteínas de formación 300, nos
ajustamos a un polinomio de dos para el TM-score / C-
Página 4 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40 http://www.biomedcentral.com/1471-2105/9/40

Dos ejemplos
Figura 2 de los modelos I-TASSER de 1ca4A y 1cmaA
Dos ejemplos de los modelos I-TASSER de 1ca4A y 1cmaA. Ambos modelos tienen RMSD valores similares, pero indican signifi- cativamente diferentes calidades de
modelado. En la superposición, las columnas vertebrales delgadas son la estructura nativa y backbones gruesas los modelos I- TASSER. Azul a pistas rojas de N- a C-terminal.

figura 3 (a) y RMSD (b) de los modelos I-TASSER frente a la longitud de proteínas diana
TM-score
TM-score (a) y RMSD (b) de los modelos I-TASSER frente a la longitud de proteínas diana. Los números indican los coeficientes de correlación de Pearson.

Página 5 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40
Figurafrente
RMSD
(círculos 4 a C-score-ln ( L) de los modelos I-TASSER para 500 proteínas de prueba
abiertos)
RMSD frente a C-score-ln ( L) de los modelos I-TASSER para 500 proteínas de prueba
(círculos abiertos). La curva de trazos es de ecuaciones ción 5, que es en forma de las
proteínas de formación 300 y se utiliza para la estimación de RMSD de los modelos
I-TASSER. Los círculos sólidos son la media de la raíz cuadrada RMSD desviación
(RMSRD) de los valores estimados de RMSD. La curva de trazo continuo es partir de la
ecuación 6, que es en forma de las proteínas de formación 300.
anotar los datos por el método de ajuste de mínimos cuadrados [34]. Obtenemos
Tm-score = 0,0006 * C-score 2 + 0,13 * C-score + 0,71, (3)
con una raíz cuadrada media desviación TM-score (RMSTD) de
0,08 para el conjunto de proteínas de entrenamiento. En la Figura 1a, se muestra la
curva de la ecuación 3 (curva de trazos), que se ajusta muy bien con las proteínas de
ensayo con un RMSTD de 0,09. Si tenemos en cuenta la ecuación 3 como el TM-score
estimado, el error medio de la estimación es de 0,08 en la prueba. Aquí observamos
que el RMSTD se define como la raíz cuadrada (TM-score - TM-score ) 2
y el error promedio de estimación es | TMscore - TMscore | , dónde TM-score Es
la TM-puntuación media en el conjunto de entrenamiento y el estimado
TM-score en el equipo de prueba. Si utilizamos RMSTD como la desviación
estándar de la estimación TM-score, hay una probabilidad de 68,3% de que el
verdadero TM-score caerá en el rango de TM-score ± RMSTD [34].
En la parte inferior de la figura 1a, se muestra los datos de RMSTD frente a
C-score. En cada punto, la RMSTD de la TM-score estimado por la
Ecuación 3 se calcula para las proteínas en un bin de [C-score-0,5, C-score
+ 0,5]. En promedio, cada bin contiene 70 proteínas. La dependencia de
RMSTD con C-score es-husillo similares, que indica que el TM-
http://www.biomedcentral.com/1471-2105/9/40
puntuación puede ser relativamente más fácil predecir en ambas regiones altas y bajas
CPuntuacion en comparación con la de la región medio CPuntuacion. Los datos encaja
bien con la función de Gauss en las proteínas como de formación
• •
( C-score + 1 .7 2)10
RMSTD = 0 .14
Exp • - •. (4)
• 7 . •
• •
Una superposición de la ecuación 4 con los datos RMSTD se muestra en la Figura 1a
(curva sólida).
Dado que la RMSD de los modelos I-TASSER correlaciona mejor con
C-score-ln ( L) que con C-score, nos ajustamos el polinomio 2-orden con los
datos de RMSD / C-score-ln ( L) en las proteínas de formación 300. Obtenemos
RMSD = 0,09 (C-score - ln L) 2 - 1,14 (puntuación C - ln L) - 3,17, (5)
con una desviación típica RMSD cuadrado (RMSRD) de
3.1 Å. En la Figura 4, se muestra la curva de la ecuación 5 (curva de trazos)
que encaja bien con las proteínas de ensayo con un Å RMSRD = 3,7. El error
medio de la RMSD estimado utilizando la ecuación 5 es 2,0 Å en el conjunto de
prueba.
En la parte baja de la figura 4, se muestra el valor RMSRD calculado en
cada bin de [C-score-ln L- 0,5, C-scoreln L + 0.5] y la curva de Gauss
equipado de las proteínas de formación, es decir,
• •
( C-score - En L + 7 .4 2)13
RMSRD = 4 .5Exp • - •. (6)
• 7 . •
• •
Conclusión
Desarrollamos el servidor I-TASSER para la longitud completa de
predicción de estructura de proteínas automatizado. Una serie de páginas
web accesorias están diseñados para facilitar a los usuarios en la
presentación, visualización y seguimiento de las predicciones. Sobre la
base de la significación estadística de las alineaciones de roscado PPA y la
convergencia estructura de las simulaciones de Monte Carlo, una nueva
puntuación de confianza (C-score) se introduce y como punto de referencia
para el servidor de I-TASSER, lo que demuestra una fuerte correlación con
la calidad real de los modelos finales. Los coeficientes de correlación de
Pearson de la CPuntuacion con TM-score y RMSD son 0,91 y 0,75
respectivamente. La fuerte correlación de datos nos permite hacer
estimaciones cuantitativas de la precisión de las predicciones I-TASSER. El
uso de un 2-orden ecuación polinómica ajuste a partir de 300 proteínas de
formación,
Página 6 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40
Para cada secuencia presentada, elementos siguientes serán devueltos a los
usuarios por correo electrónico después de que el modelado de la I-TASSER:
(1) hasta cinco modelos predichos clasificados en base a la densidad de la
estructura de la agrupación SPICKER; (2) C-score de todos los modelos
I-TASSER; (3) estimado TM-score y RMSD para el primer modelo en la forma
de Estimacion ± Desviación donde los valores de Estimacion y Desviación se
calculan por las Ecuaciones 3-6. Por definición, en 68,3% de los casos, la
RMSD valores reales TM-score y caerán en este rango de [34]. A pesar de la
correlación significativa entre la puntuación C y la TM-score, que han sido
introducidos para los diferentes fines. Si bien los jueces C-score la confianza
que el servidor se siente acerca de las predicciones basadas en la
información de las simulaciones de modelos, TM-score es una medida de la
calidad absoluta del modelo final en comparación con la estructura nativa,
que se estima a través del cálculo de la C-score.
Cabe mencionar que las cualidades estimadas se proporcionan sólo para el
primer modelo, aunque con el propósito de proporcionar más información al
C-score de los 5 modelos se envían a los usuarios. La correlación de la
puntuación C y la calidad de modelado para los modelos de menor rango es
mucho más débil que para el primer modelo. Esto es comprensible debido a
que el espacio conformacional cubierto por las simulaciones ITASSER está
limitada. Para un blanco fácil casi todos los señuelos son casi nativo y las
estructuras se agrupan principalmente en el primer grupo. Después de quitar
las estructuras en el primer grupo, el tamaño de los grupos de menor rango
será mucho más pequeña que puede ser comparable a la de objetivos duros.
Pero la calidad de los grupos de menor rango de los blancos fáciles sigue
siendo en promedio mejor que la de los blancos duros, porque la mayoría de
los señuelos que se generan en los objetivos duros son incorrectos. Sin
embargo, existe una correlación entre el rango y la calidad de los racimos para
el mismo objetivo. En este conjunto de proteínas de prueba, el promedio
TMscore (RMSD) de los cinco primeros modelos son 0,501 (9,6 Å),
0.468 (10,6 Å), 0.466 (10,7 Å), 0.461 (11,1 Å), y 0.454 (11,3 Å), respectivamente.
Por lo tanto, los datos, la puntuación C y predijo deben considerarse como una
estimación del límite superior de la calidad de todos los modelos I-TASSER.
Disponibilidad y requisitos
Nombre del proyecto: I-TASSER servidor
Proyecto página principal: h ttp: //zhang.bioinformatics.ku.edu/I-
T ASSER
sistema (s) operativo: Windows, Linux, Mac
Lenguaje de programación: Perl, Fortran77
Licencia: GPL
Todas las restricciones al uso de no-académicos: la licencia necesaria
http://www.biomedcentral.com/1471-2105/9/40
abreviaturas
I-TASSER: enhebrado iterativo algoritmo de montaje de refinamiento.
PPA: perfil perfil algoritmo de alineación de roscado.
RMSD: desviación típica cuadrado.
RMSRD: desviación típica RMSD cuadrado de RMSD promedio o
estimada.
RMSTD: de media cuadrática desviación TM-score de la media o estimada
TM-score.
Contribuciones de los autores
YZ desarrolló el servidor de I-TASSER, realiza el cálculo de referencia y
escribió el manuscrito. Ha leído y aprobado el manuscrito final.
Agradecimientos
El autor quiere agradecer al Dr. Wu sitao en busca de ayuda en la construcción de las páginas web. El proyecto es
apoyado en parte por KU Puesta en marcha 06194 Fondo.
referencias
1. Murzin AG, Bateman A: enfoque de reconocimiento homología distante CASP2 basada
en el conocimiento y doblar predicción en CASP4.
proteínas 2001, Suppl 5: 76-85.
2. Ginalski K, Rychlewski L: La proteína de predicción de estructura de modelado
comparativo CASP5 y doblar los objetivos de reconocimiento utilizando alineación
enfoque consenso y evaluación 3D. proteínas
2003, 53 Suppl 6: 410-417.
3. Baker, D, Sali A: la predicción de estructura de proteínas y la genómica estructural. Ciencias 2001,
294 (5540): 93-96.
4. Skolnick J, Fetrow JS, Kolinski A: la genómica estructural y su importancia para el
análisis de la función génica. Nat Biotechnol 2000,
18 (3): 283-287.
5. Zemla A, Venclovas C, Moult J, Fidelis K: Procesamiento y análisis de estructura de
proteínas predicciones CASP3. proteínas 1999, Suppl 3: 22-29.
6. Zhang Y, Skolnick J: función para Assessment automatizada de la estructura de proteínas
de calidad plantilla de puntuación. proteínas 2004,
57: 702-710.
7. Battey JN, Kopp J, L Bordoli, Lee RJ, Clarke ND, Schwede T: Automático acoplado
predicciones del servidor en CASP7. proteínas 2007,
69 (S8): 68-82.
8. Tosatto SC: El / la función FRST vencedor de la calidad del modelo mación estimación. J Comput
Biol 2005, 12 (10): 1316-1327.
9. Pettitt CS, McGuffin LJ, Jones DT: La mejora de reconocimiento veces basada en la secuencia
mediante el uso de evaluación de la calidad modelo 3D. bioinformática 2005, 21 (17): 3509-3515.
10. Wallner B, Elofsson A: Predicción del modelo global y local
la calidad en el uso de CASP7 Pcons y ProQ. proteínas 2007,
69 (S8): 184-193.
11. Fischer D: Servidores para la predicción de estructura de proteínas. Current Opinion in Structural
Biology 2006, 16 (2): 178-182.
12. Cozzetto D, Kryshtafovych A, Ceriani M, Tramontano A: Evaluar-
ción de predicciones en el modelo de evaluación de la calidad catego- ría. proteínas 2007,
69 (S8): 175-183.
13. Wu ST, Zhang Y: LOMETS: Un local de meta-threading-servidor para
proteína de predicción de estructura. Nucl Acids Res 2007, 35: Desde 3375 hasta 3382.
14. Zhang Y, Skolnick J: Automatizado de predicción de estructura de débilmente
proteínas homólogas en una escala genómica. Actas de la Academia Nacional de
Ciencias de los Estados Unidos de América 2004,
101: 7.594 hasta 7.599.
15. Wu ST, Skolnick J, Zhang Y: Ab initio de modelado de proteínas pequeñas
mediante simulaciones TASSER iterativos. BMC Biology 2007, 5: 17.
16. Zhang Y: El modelado basado en la plantilla y el modelado libre por I-
TASSER en CASP7. proteínas 2007, 69 (S8): 108-117.
Página 7 de 8
(No el número de página para efectos de referencia)
BMC Bioinformatics 2008, 9: 40 http://www.biomedcentral.com/1471-2105/9/40

17. Karplus K, Barrett C, Hughey R: modelos ocultos de Markov para

detectar homologías de proteínas remotas. bioinformática 1998,
14: 846-856.
18. Altschul SF, Madden TL, Schaffer AA, Zhang J, Zhang Z, W Miller, DJ hombre de labios: BLAST con huecos y
PSI-BLAST: una nueva generación de programas de búsqueda de bases de datos de proteínas. investigación
de los ácidos nucleicos 1997,
25 (17): 3389-3402.
19. Needleman SB, CD Wunsch: Un método general aplicable a
la búsqueda de similitudes en la secuencia de aminoácidos de dos proteínas. Diario de
la biología molecular 1970, 48 (3): 443-453.
20. Smith TF, Waterman MS: Identificación de subsecuencias moleculares comunes. Diario
de la biología molecular 1981, 147 (1): 195-197.
21. Zhang Y, Kolinski A, Skolnick J: TOUCHSTONE II: Un nuevo
enfoque para ab initio de predicción de estructura de proteínas. Diario biofísico 2003, 85: 1145-1164.

22. Zhang Y, Kihara D, Skolnick J: Local aplanamiento panorama energético:

Parallel muestreo hiperbólica Monte Carlo de plegamiento de proteínas.
proteínas 2002, 48: 192-201.
23. Zhang Y, Skolnick J: SPICKER: Un enfoque de agrupación para identificar
la proteína se pliega casi nativo. Diario de la química computacional 2004,
25 (6): 865-871.
24. SPICKER paquete [ h ttp: //zhang.bioinformatics.ku.edu/SPICKER ]
25. Zhang Y, Skolnick J: TM-align: una alineación de la estructura de proteínas
algoritmo basado en el TM-score. investigación de los ácidos nucleicos 2005,
33 (7): 2302-2309.
26. Feig M, Rotkiewicz P, Kolinski A, Skolnick J, Brooks CL tercera: Accu
reconstrucción tasa de todas-átomo de representaciones de proteínas a partir de modelos de baja
resolución basadas en la cadena lateral. proteínas 2000,
41 (1): 86-97.
27. Canutescu AA, AA Shelenkov, Dunbrack RL Jr .: A-teoría de grafos
algoritmo para la rápida proteína predicción de la cadena lateral. Protein Sci
2003, 12 (9): 2001-2014.
28. I-cola TASSER [h ttp: //zhang.bioinformatics.ku.edu/I-TASSER/
o utput.html ]
29. Acerca de I-TASSER [ h ttp: //zhang.bioinformatics.ku.edu/I-TASSER/
una bout.html ]
30. Berman HM, Westbrook J, Feng Z, Gilliland G, Bhat TN, Weissig H, Shindyalov IN, Bourne PE:
El Protein Data Bank. investigación de los ácidos nucleicos 2000, 28 (1): 235-242.

31. Lista proteína de referencia [h ttp: //zhang.bioinformatics.ku.edu/I-

T ASSER / señuelos / proteínas ]
32. Kabsch W: Una solución para la mejor rotación de relacionar dos conjuntos
de vectores. Acta Cryst 1976, A 32: 922-923.
33. Betancourt MR, Skolnick J: medida de similitud universal para
la comparación de estructuras de proteínas. biopolímeros 2001, 59 (5): 305-309.
34. Reichl LE: Un Curso Moderno de Física Estadística. 2ª edición.
Nueva York, Wiley-Interscience; 1998.

publicar con Bio Medicina Central y cada científico puede

leer su trabajo de forma gratuita
"BioMed Central será el acontecimiento más significativo para la difusión de los
resultados de la investigación biomédica en nuestra vida."
Sir Paul Nurse, Cancer Research UK

Sus trabajos de investigación serán: disponible de forma gratuita a toda la comunidad

biomédica pares revisado y publicado inmediatamente después de la aceptación

citado en PubMed y archivados en PubMed Central de la suya - se mantiene el

derecho de autor

Enviar su manuscrito aquí: Bio Medicina central

http://www.biomedcentral.com/info/publishing_adv.asp

Página 8 de 8
(No el número de página para efectos de referencia)