• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Brazilian Symposium on Bioinformatics >Prediction of Myotoxic and Neurotoxic Activities in Phospholipases A2 from Primary Sequence Analysis
【24h】

Prediction of Myotoxic and Neurotoxic Activities in Phospholipases A2 from Primary Sequence Analysis

机译：原发序列分析中磷脂酶A2中肌毒性和神经毒性活性的预测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We developed a methodology to predict myotoxicity and neurotoxicity of proteins of the family of Phospholipases A2 (PLA2) from sequence data. Combining two bioinformatics tools, MEME and HMMER, it was possible to detect conserved motifs and represent them as Hidden Markov Models (HMMs). In ten-fold cross validation testing we have determined the efficacy of each motif on prediction of PLA2 function. We selected motifs whose efficacy in predict function were above 60% at the Minimum Error Point (MEP), the score in which there are fewest both false positives and false negatives. Combining HMMs of the best motifs for each function, we have achieved a mean efficacy of 98 ± 4% on prediction of myotoxic function and 77.4 ± 4.8% on prediction of neurotoxicity. We have used the results of this work to build a web tool (available at www.cbiot.ufrgs.br/bioinfo/ phospholipase) to classify PLA2s of unknown function regarding myotoxic or neurotoxic activity.
机译：我们开发了一种方法，以预测磷脂酶A2（PLA2）蛋白质的肌毒性和神经毒性来自序列数据。结合两个生物信息工具，MEME和HMMER，可以检测保守的图案，并将其代表为隐藏的马尔可夫模型（HMMS）。在十倍交叉验证测试中，我们确定了每个主题在PLA2功能预测上的功效。我们选择了预测功能中的功效在最小错误点（MEP）中的功效的主题，其中误报的分数和误报的分数。结合每个功能的最佳主题的HMMS，我们已经实现了98±4％的平均疗效，以预测肌毒性函数，预测神经毒性的77.4±4.8％。我们使用了这项工作的结果来构建网络工具（可在www.cbiot.ufrgs.br/bioinfo/ phospolipase）以分类有关肌毒性或神经毒性活性的未知功能的PLA2。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号