Accurate prediction of protein torsion angles using chemical shifts and sequence homology
Notice bibliographique
Résumé
Torsion angle restraints are frequently used in the determination and refinement of protein structures by NMR. These restraints may be obtained by J coupling, cross-correlation measurements, nuclear Overhauser effects (NOEs) or secondary chemical shifts. Currently most backbone (phi/psi) torsion angles are determined using a combination of J(HNHalpha) couplings and chemical shift measurements while most side-chain (chi1) angles and cis/trans peptide bond angles (omega) are determined via NOEs. The dependency on multiple experimental (and computational) methods to obtain different torsion angle restraints is both time-consuming and error prone. The situation could be greatly improved if the determination of all torsion angles (phi, psi, chi and omega) could be made via a single type of measurement (i.e. chemical shifts). Here we describe a program, called SHIFTOR, that is able to accurately predict a large number of protein torsion angles (phi, psi, omega, chi1) using only 1H, 13C and 15N chemical shift assignments as input. Overall, the program is 100x faster and its predictions are approximately 20% better than existing methods. The program is also capable of predicting chi1 angles with 81% accuracy and omega angles with 100% accuracy. SHIFTOR exploits many of the recent developments and observations regarding chemical shift dependencies as well as using information in the Protein Databank to improve the quality of its shift-derived torsion angle predictions. SHIFTOR is available as a freely accessible web server at http://wishart.biology.ualberta.ca/shiftor.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».