TSPDB: A curated resource of tailspike proteins with potential applications in phage research
Notice bibliographique
Résumé
Abstract Phages are ubiquitous viruses that drive bacterial evolution through infection and replication within host bacteria. Phage tailspike proteins (TSPs) are key components of phage tail structures, exhibiting polysaccharide depolymerase activity and host specificity. Despite their potential as novel antimicrobials, few TSPs have been fully characterized due to laborious detection techniques. To address this, we present TSPDB, a curated resource for rapid detection of TSPs in genomics and metagenomics sequence data. We mined public databases, obtaining 17,211 TSP sequences, which were filtered to exclude duplicates and partial sequences, resulting in 8,099 unique TSP sequences. TSPDB contains TSPs from over 400 bacterial genera, with significant diversity among them as revealed by the phylogenetic analysis. The top 13 genera represented were Gram-positive, with Bacillus, Streptococcus , and Clostridium being the most common. Of note, Phage TSPs in Gram-positive bacteria were on average 1 Kbp larger than those in Gram-negative bacteria. TSPDB has been applied in a recent study to screen phage genomes, demonstrating its potential for functional annotation. TSPDB serves as a comprehensive repository and a resource for researchers in phage biology, particularly in phage associated therapy and antimicrobial or biocontrol applications. TSPDB is compatible with bioinformatics tools for in silico detection of TSPs in genomics and metagenomic data, and is freely accessible on GitHub and Figshare, providing a valuable resource for the scientific community.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,031 |
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 source (Gemma direct ou Codex distillé), 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 ».