LIST-S2: pre-computed deleteriousness of all possible mutations in human (OX=9606) protein sequences
Notice bibliographique
Résumé
LIST-S2 predicts the deleteriousness of amino acid mutations in protein sequences. Here we provide precomputed predictions of human protein sequences. Scores are in the range [0 .. 1], where lower scores indicate more benign and higher indicate deleteriousness. One can also visualize/download LIST-S2 scores for all possible mutation of a specific protein sequence identified by its UniProt accession number. https://precomputed.list-s2.msl.ubc.ca/ LIST-S2 2019_10 tabix files: Precomputed predictions of ~200,000 human protein sequences release 2019_10 identified by their UniParc protein ID (UPI). Columns: 1. UniParc: UniParc protein ID UPI 2. Position: sequence position start at 1. 3. rAA: Reference amino acid. 4. AAA: Allele amino acid. 5. LIST-S2: LIST-S2 score. Two files: 1. LIST-S2_Human_UniParc_2019_10.tsv.gz.tbi 2. LIST-S2_Human_UniParc_2019_10.tsv.gz, divided into 4 parts: LIST-S2_Human_UniParc_2019_10_part1 LIST-S2_Human_UniParc_2019_10_part2 LIST-S2_Human_UniParc_2019_10_part3 LIST-S2_Human_UniParc_2019_10_part4 To reassemble LIST-S2_Human_UniParc_2019_10.tsv.gz: mv LIST-S2_Human_UniParc_2019_10_part1 LIST-S2_Human_UniParc_2019_10.tsv.gz cat LIST-S2_Human_UniParc_2019_10_part2 >> LIST-S2_Human_UniParc_2019_10.tsv.gz cat LIST-S2_Human_UniParc_2019_10_part3 >> LIST-S2_Human_UniParc_2019_10.tsv.gz cat LIST-S2_Human_UniParc_2019_10_part4 >> LIST-S2_Human_UniParc_2019_10.tsv.gz LIST-S2_OX9606_2019_10: Precomputed predictions of ~200,000 human protein sequences release 2019_10 identified by their UniProt accession. Columns: 1. AC: Sequence id from the fasta header. 2. Pos: Amino acid position. 3. Ref: The reference amino acid. 4. Conservation: The average LIST-S2 deleteriousness score of all possible mutations at that position. 5. 20 columns one for each amino acid: The potential deleteriousness LIST-S2 score for mutating the reference amino acid to “this” amino acid. The data is divided into two files: LIST-S2_OX9606_2019_10_part1 LIST-S2_OX9606_2019_10_part2 To reassemble: mv LIST-S2_OX9606_2019_10_part1 OX9606.tar.gz cat LIST-S2_OX9606_2019_10_part2 >> OX9606.tar.gz LIST-S2_Genomic_Human_2019_10.tsv.gz: Precomputed predictions of ~60,000 human protein sequences release 2019_10 identified by their genomic positions. Columns: 1. Chromosome: chromosome id. 2. position_g: chromosome position 3. ref_n: reference nucleotide. 4. allele_n: allele nucleotide. 5. AC: UniProt accession. 6. UPI: UniParc protein ID. 7. position_aa: amino acid position. 8. ref_aa: reference amino acid. 9. allele_aa: allele amino acid. 10. LIST-S2: LIST-S2 score. LIST-SI_OX=9606 (2019-07-14): Precomputed predictions of ~115,000 human protein sequences identified by their UniProt accession followed by Ensembl ENST id. Columns: 1. AC: Sequence id from the fasta header. 2. Pos: Amino acid position. 3. Ref: The reference amino acid. 4. Conservation: The average LIST-S2 deleteriousness score of all possible mutations at that position. 5. 20 columns one for each amino acid: The potential deleteriousness LIST-S2 score for mutating the reference amino acid to “this” amino acid. The data is divided into two files: LIST-SI_OX=9606_P1.tar.gz and LIST-SI_OX=9606_P2.tar.gz.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,235 | 0,196 |
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 ».