Список инструментов для прогнозирования субклеточной локализации белка - List of Protein subcellular localization prediction tools
Этот список инструментов для предсказания субклеточной локализации белков включает программное обеспечение, базы данных и веб-службы, которые используются для прогноз субклеточной локализации белка.
Включены некоторые инструменты, которые обычно используются для определения местоположения на основе прогнозируемых структурных свойств, например сигнальный пептид или трансмембранные спирали, и эти инструменты выводят прогнозы этих функций, а не конкретных местоположений. Это программное обеспечение, связанное с предсказание структуры белка может также появиться в списки программного обеспечения для предсказания структуры белков.
инструменты
- Описания взяты из записи в https://bio.tools/ реестр (используется по лицензии CC-BY) указывается по ссылке
имя | Описание | Рекомендации | URL | Год |
---|---|---|---|---|
AAIndexLoc | Алгоритм на основе машинного обучения, который использует аминокислотный индекс для прогнозирования субклеточной локализации белка на основе его последовательности. (запись в bio.tools ) | [1] | http://aaindexloc.bii.a-star.edu.sg/ | 2008 |
APSLAP | Прогнозирование субклеточной локализации белка апоптоза | [2] | 2013 | |
AtSubP | Высокоточный инструмент прогнозирования субклеточной локализации для аннотирования протеома Arabidopsis thaliana. (запись в bio.tools ) | [3] | http://bioinfo3.noble.org/AtSubP/ | 2010 |
BaCelLo | BaCelLo является предиктором субклеточной локализации белков у эукариот. (запись в bio.tools ) | [4] | http://gpcr.biocomp.unibo.it/bacello/index.htm | 2006 |
БАР + | BAR + - это сервер для структурной и функциональной аннотации белковых последовательностей (запись в bio.tools ) | [5] | http://bar.biocomp.unibo.it/bar2.0/ | 2011 |
БАР | BAR 3.0 - это сервер для аннотации белковых последовательностей, основанный на сравнительном крупномасштабном анализе на всем UniProt. С помощью BAR 3.0 и последовательности вы можете аннотировать, когда это возможно: функция (онтология генов), структура (банк данных белков), домены белков (Pfam). Кроме того, если ваша последовательность попадает в кластер со структурным / некоторым структурным шаблоном / ами, мы обеспечиваем выравнивание по шаблону / шаблонам на основе Cluster-HMM (профиль HMM), что позволяет вам напрямую вычислять вашу 3D-модель. Кластерные HMM доступны для скачивания. (запись в bio.tools ) | [6][5] | https://bar.biocomp.unibo.it/bar3/ | 2017 |
BASys | BASys (Bacterial Annotation System) - это инструмент для автоматической аннотации бактериальных геномных (хромосомных и плазмидных) последовательностей, включая названия генов / белков, функции GO, функции COG, возможные паралоги и ортологи, молекулярные веса, изоэлектрические точки, структуры оперонов, субклеточную локализацию, сигнальные пептиды, трансмембранные области, вторичные структуры, трехмерные структуры, реакции и пути. (запись в bio.tools ) | [7] | http://basys.ca | 2005 |
BOMP | Предиктор белка внешней мембраны бета-ствола (BOMP) принимает одну или несколько полипептидных последовательностей в формате fasta от грамотрицательных бактерий в качестве входных данных и предсказывает, являются ли они интегральными белками внешней мембраны бета-ствола. (запись в bio.tools ) | [8] | http://www.bioinfo.no/tools/bomp | 2004 |
BPROMPT | Байесовский прогноз топологии мембранного белка (BPROMPT) использует байесовскую сеть убеждений для объединения результатов других методов прогнозирования мембранного белка для последовательности белка. (запись в bio.tools ) | [9] | http://www.ddg-pharmfac.net/bprompt/BPROMPT/BPROMPT.html | 2003 |
Cell-PLoc | Пакет веб-серверов для прогнозирования субклеточной локализации белков у различных организмов. | [10] | 2008 | |
ВИОЛОНЧЕЛЬ | CELLO использует двухуровневую систему Support Vector Machine для определения локализации как прокариотических, так и эукариотических белков. | [11][12] | 2006 | |
ClubSub-P | ClubSub-P - это база данных прогнозов субклеточной локализации (SCL) на основе кластеров для архей и грамотрицательных бактерий. | [13] | 2011 | |
CoBaltDB | CoBaltDB - это новая мощная платформа, которая обеспечивает легкий доступ к результатам нескольких инструментов локализации и поддержку для прогнозирования локализации прокариотических белков. | [14] | 2010 | |
ComiR | ComiR - это веб-инструмент для прогнозирования целей комбинаторной микроРНК (miRNA). Учитывая информационную РНК (мРНК) в геномах человека, мыши, мухи или червя, ComiR предсказывает, является ли данная мРНК нацеленной на набор miRNA. (запись в bio.tools ) | [15] | http://www.benoslab.pitt.edu/comir/ | 2013 |
CropPAL | Портал данных для доступа к сборнику данных о субклеточном расположении белков сельскохозяйственных культур. (запись в bio.tools ) | [16] | http://crop-pal.org/ | 2016 |
DAS-TMфильтр | DAS (Dense Alignment Surface) основан на точечных графиках низкой строгости запрашиваемой последовательности по отношению к набору библиотечных последовательностей - негомологичных мембранных белков - с использованием ранее полученной специальной матрицы оценки. Метод обеспечивает высокоточный профиль гидрофобности для запроса, из которого может быть получено местоположение потенциальных трансмембранных сегментов. Новизна алгоритма DAS-TMfilter - это второй цикл предсказания для предсказания TM-сегментов в последовательностях TM-библиотеки. (запись в bio.tools ) | [17] | http://mendel.imp.ac.at/sat/DAS/DAS.html | 2002 |
DeepLoc | Прогнозирование субклеточной локализации эукариотических белков с помощью глубокого обучения (запись в bio.tools ) | [18] | http://www.cbs.dtu.dk/services/DeepLoc/ | 2017 |
ДИАНА-microT v5.0 | Веб-сервер, который прогнозирует мишени для miRNA и предоставляет функциональную информацию о предсказанном взаимодействии miRNA: target с геном из различных биологических ресурсов в Интернете. Обновления позволяют связывать miRNA с заболеваниями посредством библиографического анализа и подключения к браузеру генома UCSC. Обновления включают сложные рабочие процессы. (запись в bio.tools ) | [19][20] | http://diana.imis.athena-innovation.gr/DianaTools/index.php?r=MicroT_CDS/index | 2013 |
DrugBank | DrugBank - это уникальный ресурс по биоинформатике / хеминформатике, который сочетает в себе подробные данные о лекарствах (например, химических) с исчерпывающей информацией о лекарствах (например, о белках). База данных содержит> 4100 записей о лекарствах, включая> 800 одобренных FDA низкомолекулярных и биотехнологических препаратов, а также> 3200 экспериментальных препаратов. Кроме того, с этими записями лекарств связано> 14000 целевых последовательностей белков или лекарств. (запись в bio.tools ) | [21] | http://redpoll.pharmacy.ualberta.ca/drugbank/index.html | 2006 |
Индекс E.Coli | Исчерпывающий справочник информации, касающейся кишечной палочки; home of Echobase: база данных генов E. coli, охарактеризованных с момента завершения генома. (запись в bio.tools ) | [22] | http://www.york.ac.uk/res/thomas/ | 2009 |
ePlant | Набор инструментов с открытым исходным кодом на базе всемирной паутины для визуализации крупномасштабных наборов данных из модельного организма Arabidopsis thaliana. Его можно применить к любому модельному организму. В настоящее время имеется 3 модуля: обозреватель сохранения последовательности, который включает данные о гомологических отношениях и однонуклеотидном полиморфизме, обозреватель модели структуры белка, обозреватель сети молекулярного взаимодействия, обозреватель субклеточной локализации генного продукта и обозреватель паттернов экспрессии генов. (запись в bio.tools ) | [23] | http://bar.utoronto.ca/eplant/ | 2011 |
ESLpred | ESLpred - это инструмент для прогнозирования субклеточной локализации белков с помощью опорных векторных машин. Прогнозы основаны на дипептидном и аминокислотном составе, а также на физико-химических свойствах. (запись в bio.tools ) | [24] | http://www.imtech.res.in/raghava/eslpred/ | 2004 |
Euk-mPLoc 2.0 | Предсказание субклеточной локализации эукариотических белков как с одним, так и с несколькими сайтами. | [25] | 2010 | |
УДАР | Исчерпывающая и тщательно подобранная база данных Herb Ingredients ?? Мишени (HIT). Эти растительные ингредиенты с целевым содержанием белка были тщательно отобраны. Информация о молекулярных мишенях включает те белки, которые прямо / косвенно активируются / ингибируются, связывающие белки и ферменты, субстратами или продуктами которых являются эти соединения. Эти регулируемые вверх / вниз гены также включены в обработку отдельных ингредиентов. Кроме того, для справки предоставляются условия эксперимента, наблюдаемая биоактивность и различные ссылки. База данных может быть запрошена с помощью поиска по ключевым словам или поиска по сходству. Были сделаны перекрестные ссылки на TTD, DrugBank, KEGG, PDB, Uniprot, Pfam, NCBI, TCM-ID и другие базы данных. (запись в bio.tools ) | [26] | http://lifecenter.sgst.cn/hit/ | 2011 |
HMMTOP | Прогнозирование трансмембранных спиралей и топологии белков. (запись в bio.tools ) | [27][28] | http://www.enzim.hu/hmmtop/ | 2001 |
HSLpred | Позволяет прогнозировать субклеточную локализацию белков человека. Это основано на различном типе состава остатков белков с использованием метода SVM. (запись в bio.tools ) | [29] | http://www.imtech.res.in/raghava/hslpred/ | 2005 |
idTarget | idTarget - это веб-сервер для идентификации биомолекулярных мишеней малых химических молекул с надежными функциями оценки и подходом стыковки по принципу «разделяй и властвуй». idTarget выполняет скрининг белковых структур в PDB. (запись в bio.tools ) | [30] | http://idtarget.rcas.sinica.edu.tw | 2012 |
iLoc-Cell | Предиктор субклеточного расположения белков человека с множеством сайтов. (запись в bio.tools ) | [31] | http://www.jci-bioinfo.cn/iLoc-Hum | 2012 |
ЗнайПредсайт | Подход, основанный на знаниях, для прогнозирования сайта (ов) локализации как одиночных, так и множественных локализованных белков для всех эукариот. | [32] | 2009 | |
lncRNAdb | База данных lncRNAdb содержит исчерпывающий список длинных некодирующих РНК (lncRNA), которые, как было показано, выполняют или связаны с биологическими функциями у эукариот, а также информационные РНК, которые выполняют регуляторные роли. Каждая запись содержит указанную информацию о РНК, включая последовательности, структурную информацию, геномный контекст, экспрессию, субклеточную локализацию, сохранность, функциональные данные и другую важную информацию. lncRNAdb можно искать, запрашивая опубликованные названия и псевдонимы РНК, последовательности, виды и связанные гены, кодирующие белок, а также термины, содержащиеся в аннотациях, такие как ткани, в которых экспрессируются транскрипты, и связанные с ними заболевания. Кроме того, lncRNAdb связан с обозревателем генома UCSC для визуализации и базой данных экспрессии некодирующей РНК (NRED) для получения информации об экспрессии из различных источников. (запись в bio.tools ) | [33] | http://arquivo.pt/wayback/20160516021755/http://www.lncrnadb.org/ | 2011 |
Loc3D | LOC3D - это база данных предсказанной субклеточной локализации для эукариотических белков с известной трехмерной (3D) структурой и включает инструменты для прогнозирования субклеточной локализации для представленных белковых последовательностей. (запись в bio.tools ) | [34][35][36] | http://cubic.bioc.columbia.edu/db/LOC3d/ | 2005 |
НАЙТИ | LOCATE - это тщательно подобранная база данных, в которой хранятся данные, описывающие мембранную организацию и субклеточную локализацию белков мыши. (запись в bio.tools ) | [37] | https://web.archive.org/web/20171231015119/http://locate.imb.uq.edu.au/ | 2006 |
LocDB | LocDB - это управляемая вручную база данных с экспериментальными аннотациями для субклеточных локализаций белков у Homo sapiens (HS, человек) и Arabidopsis thaliana (AT, кресс-салат). Каждая запись в базе данных содержит экспериментально полученную локализацию в терминологии онтологии генов (GO), экспериментальную аннотацию локализации, прогнозы локализации с помощью современных методов и, если возможно, тип экспериментальной информации. LocDB доступен для поиска по ключевому слову, названию белка и субклеточному отделу, а также по идентификаторам из ресурсов UniProt, Ensembl и TAIR. (запись в bio.tools ) | [38] | http://www.rostlab.org/services/locDB/ | 2011 |
LOCtarget | LOCtarget - это инструмент для прогнозирования и база данных предварительно рассчитанных прогнозов субклеточной локализации эукариотических и прокариотических белков. Для прогнозов используются несколько методов, включая текстовый анализ ключевых слов SWISS-PROT, сигналов ядерной локализации и использование нейронных сетей. (запись в bio.tools ) | [39] | http://www.rostlab.org/services/LOCtarget/ | 2004 |
LOCtree | Прогнозирование, основанное на имитации механизма клеточной сортировки с использованием иерархической реализации опорные векторные машины. LOCtree - это комплексный предсказатель, включающий прогнозы на основе PROSITE /PFAM подписи, а также SwissProt ключевые слова. | [35] | 2005 | |
LocTree2 | Структура для прогнозирования локализации в трех доменах жизни, включая глобулярные и мембранные белки (3 класса для архей, 6 для бактерий и 18 для эукариот). Полученный метод LocTree2 хорошо работает даже для фрагментов белка. Он использует иерархическую систему машин опорных векторов, имитирующую каскадный механизм клеточной сортировки. Метод достигает высоких уровней устойчивой производительности (эукариоты: Q18 = 65%, бактерии: Q6 = 84%). LocTree2 также точно различает мембранные и немембранные белки. В наших руках он выгодно отличался от лучших методов при тестировании на новых данных (запись в bio.tools ) | [40] | https://rostlab.org/owiki/index.php/Loctree2 | 2012 |
LocTree3 | Прогнозирование субклеточной локализации белков в 18 классах для эукариот, 6 для бактерий и 3 для архей (запись в bio.tools ) | [40][41] | https://rostlab.org/services/loctree3/ | 2014 |
МАРСпред | Метод прогнозирования Â для различения митохондриальных AARS и цитозольных AARS. (запись в bio.tools ) | [42] | http://www.imtech.res.in/raghava/marspred/ | 2012 |
MDLoc | Предиктор субклеточного расположения белков на основе зависимостей. (запись в bio.tools ) | [43] | http://128.4.31.235/ | 2015 |
MemLoci | Предиктор субклеточной локализации белков, связанных или встроенных в мембраны эукариот. (запись в bio.tools ) | [44] | https://mu2py.biocomp.unibo.it/memloci | 2011 |
MemPype | Прогнозирование топологии и субклеточной локализации мембранных белков эукариот. (запись в bio.tools ) | [45] | https://mu2py.biocomp.unibo.it/mempype | 2011 |
MetaLocGramN | Предиктор мета-субклеточной локализации грамотрицательного белка. MetaLocGramN - это шлюз к ряду основных методов прогнозирования (различные типы: сигнальный пептид, бета-бочка, трансмембранные спирали и предикторы субклеточной локализации). В тесте автора MetaLocGramN показал лучшие результаты по сравнению с другими методами прогнозирования вероятности нежелательной почты (SCL), поскольку средний коэффициент корреляции Мэтьюза достиг 0,806, что повысило прогнозирующую способность на 12% (по сравнению с PSORTb3). MetaLocGramN можно запустить через МЫЛО. | [46] | 2012 | |
МирЗ | MirZ - это веб-сервер для оценки и анализа miRNA. Он объединяет два ресурса miRNA: атлас экспрессии miRNA smiRNAdb и алгоритм прогнозирования мишени miRNA E1MMo. (запись в bio.tools ) | [47] | http://www.mirz.unibas.ch | 2009 |
MitPred | Веб-сервер специально обучен предсказанию белков, которые должны быть локализованы в митохондриях дрожжей и животных. (запись в bio.tools ) | [48] | http://www.imtech.res.in/raghava/mitpred/ | 2006 |
MultiLoc | Механизм прогнозирования на основе SVM для широкого диапазона субклеточных местоположений. | [49] | 2006 | |
Mycosub | Этот веб-сервер использовался для прогнозирования субклеточной локализации микобактериальных белков на основе оптимальных составов трипептидов. (запись в bio.tools ) | [50] | http://lin.uestc.edu.cn/server/Mycosub | 2015 |
NetNES | Прогнозирование сигналов ядерного экспорта с высоким содержанием лейцина (NES) в эукариотических белках (запись в bio.tools ) | [51] | http://cbs.dtu.dk/services/NetNES/ | 2004 |
ngLOC | ngLOC - это байесовский классификатор на основе n-граммов, который предсказывает субклеточную локализацию белков как у прокариот, так и у эукариот. Общая точность прогнозов варьируется от 85,3% до 91,4% по видам. (запись в bio.tools ) | [52] | http://genome.unmc.edu/ngLOC/index.html | 2007 |
OBCOL | Программное обеспечение, которое мы разработали для выполнения анализа колокализации на основе органелл с помощью мультифлуорофорной микроскопии 2D, 3D и 4D визуализации клеток. (запись в bio.tools ) | [53] | http://obcol.imb.uq.edu.au/ | 2009 |
PA-SUB | PA-SUB (специализированный сервер субклеточной локализации Proteome Analyst) может использоваться для прогнозирования субклеточной локализации белков с использованием установленных методов машинного обучения. (запись в bio.tools ) | [54][55] | http://www.cs.ualberta.ca/~bioinfo/PA/Sub/ | 2004 |
PharmMapper | PharmMapper - это веб-сервер, который определяет потенциальные мишени лекарств из своей PharmTargetDB для заданной входной молекулы. Потенциальные мишени идентифицируются на основе предсказания пространственного расположения элементов, необходимых для взаимодействия данной молекулы с мишенью. (запись в bio.tools ) | [56] | http://59.78.96.61/pharmmapper | 2010 |
PlantLoc | PlantLoc - это веб-сервер для прогнозирования субклеточной локализации растительного белка по мотиву субстанции. (запись в bio.tools ) | [57] | http://cal.tongji.edu.cn/PlantLoc/ | 2013 |
ПРЕД-ТМББ | PRED-TMBB - это инструмент, который принимает последовательность белка грамотрицательных бактерий в качестве входных данных и прогнозирует трансмембранные цепи и вероятность того, что это белок бета-ствола внешней мембраны. Пользователь может выбрать один из трех различных методов декодирования. (запись в bio.tools ) | [58][59] | http://bioinformatics.biol.uoa.gr/PRED-TMBB/ | 2004 |
PredictNLS | Прогнозирование и анализ сигналов ядерной локализации (запись в bio.tools ) | [60] | https://www.rostlab.org/owiki/index.php/PredictNLS | 2000 |
PredictProtein Open | Прогнозирование различных аспектов структуры и функции белков. Пользователь может отправить запрос на сервер без регистрации. (запись в bio.tools ) | [61][62][63][64] | http://ppopen.informatik.tu-muenchen.de/ | 2014 |
PREP Люкс | Пакет PREP (Predictive RNA Editors for Plants) предсказывает места редактирования РНК, основываясь на том принципе, что редактирование органелл растений увеличивает сохранность белков у разных видов. Включены предикторы для митохондриальных генов, генов хлоропластов и выравнивания, введенные пользователем. (запись в bio.tools ) | [65][66] | http://prep.unl.edu/ | 2009 |
ProLoc-GO | ProLoc-GO - это эффективный метод на основе последовательностей, основанный на извлечении информативных терминов генной онтологии для прогнозирования субклеточной локализации белка. (запись в bio.tools ) | [67] | http://140.113.239.45/prolocgo/ | 2008 |
ProLoc | Эволюционные опорные векторы (ESVM) на основе классификатор с автоматическим выбором из большого набора физико-химический состав (PCC) особенность разработать точную систему для прогнозирования локализации белка субъядерной. (запись в bio.tools ) | [68] | http://140.113.239.45/proloc/ | 2007 |
Protegen | Protegen - это веб-база данных и система анализа, которая курирует, хранит и анализирует защитные антигены. Protegen включает в себя основную информацию об антигенах и экспериментальные данные, взятые из рецензируемых статей. Он также включает подробную информацию о генах / белках (например, последовательности ДНК и белков, а также классификацию COG). Предварительно вычисляются различные характеристики антигена, такие как масса белка и pI, а также субклеточная локализация бактериальных белков. (запись в bio.tools ) | [69] | http://www.violinet.org/protegen | 2011 |
Протеомный аналитик | Proteome Analyst - это высокопроизводительный инструмент для прогнозирования свойств каждого белка в протеоме. Пользователь предоставляет протеом в формате fasta, а система использует Psi-blast, Psipred и Modeller для прогнозирования функции белка и субклеточной локализации. Proteome Analyst использует классификаторы с машинным обучением для предсказания таких вещей, как молекулярная функция GO. Предоставляемые пользователем данные обучения также можно использовать для создания настраиваемых классификаторов. (запись в bio.tools ) | [55] | http://www.cs.ualberta.ca/~bioinfo/PA/ | 2004 |
ProTox | ProTox - это веб-сервер для прогнозирования in silico оральной токсичности малых молекул у грызунов. (запись в bio.tools ) | [70][71] | http://tox.charite.de/tox | 2018 |
PSLpred | Метод субклеточной локализации белков принадлежит прокариотическим геномам. (запись в bio.tools ) | [72] | http://www.imtech.res.in/raghava/pslpred/ | 2005 |
PSORTb | PSORTb (от «бактериального» PSORT) - это высокоточный метод прогнозирования локализации бактериальных белков. PSORTb остается наиболее точным предсказателем субклеточной локализации (SCL) бактериального белка с момента его первого появления в 2003 году. Версия PSORTb улучшила запоминание, более высокий протеом -масштабный прогнозный охват и новые уточненные подкатегории локализации. Это первый предсказатель SCL, специально предназначенный для всех прокариот, включая архей и бактерии с атипичной топологией мембраны / клеточной стенки. (запись в bio.tools ) | [73] | http://www.psort.org/psortb/ | 2010 |
PSORTdb | PSORTdb (часть семейства PSORT) - это база данных субклеточных локализаций белков для бактерий и архей, которая содержит как информацию, полученную в результате лабораторных экспериментов (набор данных ePSORTdb), так и расчетные прогнозы (набор данных cPSORTdb). (запись в bio.tools ) | [74][75] | http://db.psort.org | 2010 |
psРобот | psRobot - это веб-инструмент для метаанализа малых РНК растений. psRobot вычисляет предсказание малой РНК «стебель-петля», которое выравнивает загруженные пользователем последовательности по выбранному геному, извлекает их предсказанные предшественники и предсказывает, могут ли предшественники складываться во вторичную структуру в форме стебля-петли. psRobot также вычисляет предсказание цели малой РНК, которое предсказывает возможные цели, предоставленные пользователем, последовательности малых РНК из выбранной библиотеки транскриптов. (запись в bio.tools ) | [76] | http://omicslab.genetics.ac.cn/psRobot/ | 2012 |
pTARGET | pTARGET предсказывает субклеточную локализацию эукариотических белков на основе паттернов появления функциональных доменов белка, специфичных для локализации, и различий в аминокислотном составе белков из девяти различных субклеточных местоположений. (запись в bio.tools ) | [77][78] | http://bioinformatics.albany.edu/~ptarget | 2006 |
RegPhos | RegPhos - это база данных для исследования сети фосфорилирования, связанной с введением генов / белков. Также включена информация о субклеточной локализации. (запись в bio.tools ) | [79] | http://regphos.mbc.nctu.edu.tw/ | 2011 |
RepTar | RepTar - это база данных прогнозов мишеней miRNA, основанная на алгоритме RepTar, который не зависит от эволюционных соображений сохранения и не ограничивается сайтами спаривания семян. (запись в bio.tools ) | [80] | http://reptar.ekmd.huji.ac.il | 2011 |
РНКхищник | RNApredator - это веб-сервер для прогнозирования бактериальных мишеней мРНК. Пользователь может выбирать из большого количества геномов. Учитывается доступность мишени для мРНК. (запись в bio.tools ) | [81] | http://rna.tbi.univie.ac.at/RNApredator | 2011 |
S-PSorter | Новый подход к построению классификатора на основе клеточной структуры для прогнозирования субклеточного местоположения белка на основе изображений путем использования предшествующей биологической структурной информации. (запись в bio.tools ) | [82] | https://github.com/shaoweinuaa/S-PSorter | 2016 |
SChloro | Прогнозирование субхлоропластической локализации белка. (запись в bio.tools ) | [83] | http://schloro.biocomp.unibo.it | 2017 |
SCLAP | Метод адаптивного бустинга для прогнозирования субхлоропластной локализации растительных белков. | [84] | 2013 | |
SCLPred | Предсказание субклеточной локализации белка SCLpred с помощью нейронных сетей N-to-1. | [85] | 2011 | |
SCLpred-EMS | Предсказание субклеточной локализации белков эндомембранной системы и секреторных путей с помощью сверточных нейронных сетей Deep N-to-1 | [86] | http://distilldeep.ucd.ie/SCLpred2/ | 2020 |
SecretomeP | Прогнозирование неклассической (т.е. не запускаемой сигнальным пептидом) секреции белка (запись в bio.tools ) | [87][88] | http://cbs.dtu.dk/services/SecretomeP/ | 2005 |
Полубиомаркер | Новый полуконтролируемый протокол, который может использовать данные немеченых белков рака при построении модели с помощью стратегии итеративного и инкрементного обучения, что может привести к повышению точности и чувствительности определения различия внутриклеточного местоположения. (запись в bio.tools ) | [89] | http://www.csbio.sjtu.edu.cn/bioinf/SemiBiomarker/ | 2015 |
Шерлок | Предиктор на основе SVM, сочетающий MultiLoc с текстовыми функциями, полученными из рефератов PubMed. | [90] | 2007 | |
SUBA3 | База данных субклеточной локализации белков Arabidopsis с интерфейсом онлайн-поиска. (запись в bio.tools ) | [91][92] | http://suba3.plantenergy.uwa.edu.au/ | 2014 |
SubChlo | Вычислительная система для прогнозирования местоположения субхлоропластов белка по его первичной последовательности. Он может локализовать белок, субклеточное расположение которого - хлоропласт, в одной из четырех частей: оболочки (которая состоит из внешней и внутренней мембран), просвета тилакоида, стромы и тилакоидной мембраны. (запись в bio.tools ) | [93] | http://bioinfo.au.tsinghua.edu.cn/software/subchlo/ | 2009 |
SuperPred | Веб-сервер SuperPred сравнивает структурный отпечаток входящей молекулы с базой данных лекарств, связанных с их лекарственными мишенями и пораженными путями. Поскольку биологический эффект хорошо предсказуем, при достаточном структурном сходстве веб-сервер позволяет делать прогнозы относительно области медицинских показаний новых соединений и находить новые выводы для известных целей. Такая информация может быть полезна при классификации лекарств и прогнозировании целей. (запись в bio.tools ) | [94] | http://bioinformatics.charite.de/superpred | 2008 |
SuperTarget | Интернет-ресурс для анализа взаимодействий лекарств с мишенью. Включает информацию о лекарствах, связанную с медицинскими показаниями, побочными эффектами лекарств, метаболизмом лекарств, путями и терминами генной онтологии (GO) для целевых белков. (запись в bio.tools ) | [95] | http://bioinformatics.charite.de/supertarget/ | 2012 |
SwissTargetPrediction | SwissTargetPrediction - это веб-сервер для целевого прогнозирования биоактивных малых молекул. Этот веб-сайт позволяет вам предсказывать мишени для небольших молекул. Используя комбинацию двухмерных и трехмерных мер сходства, он сравнивает запрашиваемую молекулу с библиотекой из 280 000 соединений, действующих на более чем 2000 мишеней 5 различных организмов. (запись в bio.tools ) | [96][97] | http://www.swisstargetprediction.ch | 2014 |
T3DB | База данных токсинов и токсинов-мишеней (T3DB) - это уникальный биоинформатический ресурс, который собирает исчерпывающую информацию об общих или повсеместных токсинах и их токсин-мишенях. Каждая запись T3DB (ToxCard) содержит более 80 полей данных, содержащих подробную информацию о химических свойствах и дескрипторах, значениях токсичности, последовательностях белков и генов (как для мишеней, так и токсинов), данные о молекулярном и клеточном взаимодействии, токсикологические данные, механистическую информацию и ссылки. Эта информация была вручную извлечена и проверена вручную из множества источников, включая другие электронные базы данных, правительственные документы, учебники и научные журналы. Основное внимание T3DB уделяется обеспечению глубины ?? над ?? шириной ?? с подробным описанием, механизмами действия и информацией о токсинах и токсинах-мишенях. Потенциальные применения T3DB включают клиническую метаболомику, прогнозирование токсинных мишеней, прогнозирование токсичности и токсикологическое образование. (запись в bio.tools ) | [98] | http://www.t3db.org | 2010 |
ТАЛАНТ | Подобный активатору транскрипции (TAL) Effector-Nucleotide Targeter 2.0 (TALE-NT) представляет собой набор сетевых инструментов, которые позволяют индивидуально проектировать массивы эффекторных повторов TAL для желаемых целей и предсказывать сайты связывания эффекторов TAL. (запись в bio.tools ) | [99] | https://boglab.plp.iastate.edu/ | 2012 |
TarFisDock | Target Fishing Dock (TarFisDock) - это веб-сервер, который стыкует небольшие молекулы с белковыми структурами в базе данных потенциальных мишеней для лекарств (PDTD) в попытке обнаружить новые мишени для лекарств. (запись в bio.tools ) | [100] | http://www.dddc.ac.cn/tarfisdock/ | 2006 |
TargetRNA | TargetRNA - это сетевой инструмент для идентификации мРНК-мишеней малых некодирующих РНК у видов бактерий. (запись в bio.tools ) | [101] | http://cs.wellesley.edu/~btjaden/TargetRNA2/ | 2008 |
TargetP | Прогнозирование N-терминала сигналы сортировки. | [102] | 2000 | |
Цели TDR | База данных исследований тропических болезней (TDR): разработана и разработана для облегчения быстрого определения и определения приоритетности молекулярных целей для разработки лекарств с упором на патогены, ответственные за забытые болезни человека. База данных объединяет геномную информацию, специфичную для патогенов, с функциональными данными для генов, собранными из различных источников, в том числе из литературы. Информацию можно просматривать и запрашивать. (запись в bio.tools ) | [103] | http://tdrtargets.org/ | 2012 |
ТетраМито | Предиктор на основе последовательностей для определения местоположения субмитохондрий белков. (запись в bio.tools ) | [104] | http://lin.uestc.edu.cn/server/TetraMito | 2013 |
TMBETA-NET | Инструмент, который предсказывает трансмембранные бета-цепи в белке внешней мембраны на основе его аминокислотной последовательности. (запись в bio.tools ) | [105][106] | http://psfs.cbrc.jp/tmbeta-net/ | 2005 |
ТМХММ | Прогнозирование трансмембранных спиралей для идентификации трансмембранные белки. | [107] | 2001 | |
TMPred | Программа TMpred делает прогноз областей, охватывающих мембрану, и их ориентацию. Алгоритм основан на статистическом анализе TMbase, базы данных встречающихся в природе трансмембранных белков (запись в bio.tools ) | [108] | http://embnet.vital-it.ch/software/TMPRED_form.html | 1993 |
TPpred 1.0 | Прогнозирование пептидов, нацеленных на органеллы (запись в bio.tools ) | [109] | http://tppred.biocomp.unibo.it/tppred/default/index | 2013 |
TPpred 2.0 | Прогнозирование митохондриального целевого пептида (запись в bio.tools ) | [110][109] | https://tppred3.biocomp.unibo.it | 2015 |
TPpred 3.0 | Обнаружение пептидов, нацеленных на органеллы, и прогнозирование сайтов расщепления (запись в bio.tools ) | [111] | http://tppred3.biocomp.unibo.it/tppred3 | 2015 |
TTD | База данных терапевтических целей (TTD) была разработана для предоставления информации о терапевтических целях и соответствующих лекарствах. TTD включает информацию об успешных, клинических испытаниях и целях исследования, одобренных, клинических испытаниях и экспериментальных препаратах, связанных с их основными целями, новых способах доступа к данным по способу действия препарата, рекурсивному поиску связанных целей или препаратов, цели сходства и поиску препарата, индивидуальная загрузка и загрузка всех данных, а также стандартизированный идентификатор цели. (запись в bio.tools ) | [112] | http://bidd.nus.edu.sg/group/cjttd/ | 2010 |
UM-PPS | Система прогнозирования путей развития Миннесотского университета (UM-PPS) - это веб-инструмент, который распознает функциональные группы в органических соединениях, которые являются потенциальными мишенями микробных катаболических реакций, и прогнозирует трансформации этих групп на основе правил биотрансформации. Делаются многоуровневые прогнозы. (запись в bio.tools ) | [113] | http://eawag-bbd.ethz.ch/predict/aboutPPS.html | 2008 |
WoLF PSORT | WoLF PSORT - это расширение программы PSORT II для предсказания субклеточного местоположения белков. (запись в bio.tools ) | [114] | https://wolfpsort.hgc.jp/ | 2007 |
YLoc | YLoc - это веб-сервер для предсказания субклеточной локализации. Объясняются прогнозы и выделяются биологические свойства, используемые для прогнозов. Кроме того, оценка достоверности оценивает надежность индивидуальных прогнозов. (запись в bio.tools ) | [115] | http://www.multiloc.org/YLoc | 2010 |
Цинковые инструменты для пальцев | Zinc Finger Tools предоставляет несколько инструментов для выбора целевых сайтов белков цинковых пальцев и для разработки белков, которые будут на них нацелены. (запись в bio.tools ) | [116][117][118][119][120][121] | http://www.scripps.edu/mb/barbas/zfdesign/zfdesignhome.php | 2006 |
Рекомендации
- ^ Тантосо Э., Ли КБ (август 2008 г.). «AAIndexLoc: прогнозирование внутриклеточной локализации белков на основе нового представления последовательностей с использованием аминокислотных индексов». Аминокислоты. 35 (2): 345–53. Дои:10.1007 / s00726-007-0616-у. PMID 18163182. S2CID 712299.
- ^ Сараванан V, Лакшми П.Т. (декабрь 2013 г.). «APSLAP: метод адаптивного бустинга для прогнозирования субклеточной локализации апоптозного белка». Acta Biotheoretica. 61 (4): 481–97. Дои:10.1007 / s10441-013-9197-1. PMID 23982307. S2CID 23858443.
- ^ Каундал Р., Сайни Р., Чжао П. Х. (сентябрь 2010 г.). «Сочетание машинного обучения и подходов на основе гомологии для точного прогнозирования субклеточной локализации у Arabidopsis». Физиология растений. 154 (1): 36–54. Дои:10.1104 / стр.110.156851. ЧВК 2938157. PMID 20647376.
- ^ Пьерлеони А., Мартелли П.Л., Фаризелли П., Касадио Р. (июль 2006 г.). «BaCelLo: сбалансированный предсказатель субклеточной локализации». Биоинформатика. 22 (14): e408–16. Дои:10.1093 / биоинформатика / btl222. PMID 16873501.
- ^ а б Piovesan D, Martelli PL, Fariselli P, Zauli A, Rossi I, Casadio R (июль 2011 г.). «BAR-PLUS: ресурс Болонской аннотации плюс для функциональной и структурной аннотации белковых последовательностей». Исследования нуклеиновых кислот. 39 (Выпуск веб-сервера): W197–202. Дои:10.1093 / nar / gkr292. ЧВК 3125743. PMID 21622657.
- ^ Профити Г., Мартелли П.Л., Касадио Р. (июль 2017 г.). «Ресурс аннотаций Болоньи (BAR 3.0): улучшение функциональной аннотации белков». Исследования нуклеиновых кислот. 45 (W1): W285 – W290. Дои:10.1093 / нар / gkx330. ЧВК 5570247. PMID 28453653.
- ^ Ван Домселаар Г.Х., Стотхард П., Шривастава С., Круз Дж. А., Го А., Донг Х, Лу П., Шафрон Д., Грейнер Р., Вишарт Д. С. (июль 2005 г.). «BASys: веб-сервер для автоматической аннотации бактериального генома». Исследования нуклеиновых кислот. 33 (Выпуск веб-сервера): W455–9. Дои:10.1093 / нар / gki593. ЧВК 1160269. PMID 15980511.
- ^ Бервен Ф.С., Фликка К., Йенсен Х.Б., Эйдхаммер I (июль 2004 г.). «BOMP: программа для прогнозирования интегральных белков внешней мембраны бета-ствола, кодируемых в геномах грамотрицательных бактерий». Исследования нуклеиновых кислот. 32 (Выпуск веб-сервера): W394–9. Дои:10.1093 / нар / гх351. ЧВК 441489. PMID 15215418.
- ^ Taylor PD, Attwood TK, Flower DR (июль 2003 г.). «BPROMPT: консенсусный сервер для предсказания мембранного белка». Исследования нуклеиновых кислот. 31 (13): 3698–700. Дои:10.1093 / нар / gkg554. ЧВК 168961. PMID 12824397.
- ^ Чоу KC, Шен HB (01.01.2008). «Cell-PLoc: пакет веб-серверов для прогнозирования внутриклеточной локализации белков в различных организмах». Протоколы природы. 3 (2): 153–62. Дои:10.1038 / nprot.2007.494. PMID 18274516. S2CID 226104.
- ^ Ю. С., Линь С. Дж., Хван Дж. К. (май 2004 г.). «Прогнозирование внутриклеточной локализации белков для грамотрицательных бактерий с помощью опорных векторных машин на основе композиций н-пептидов». Белковая наука. 13 (5): 1402–6. Дои:10.1110 / пс. 03479604. ЧВК 2286765. PMID 15096640.
- ^ Ю.С., Чен Ю.С., Лу СН, Хван Дж.К. (август 2006 г.). «Прогнозирование субклеточной локализации белков». Белки. 64 (3): 643–51. Дои:10.1002 / prot.21018. PMID 16752418.
- ^ Парамасивам Н., Линке Д. (2011). «ClubSub-P: прогнозирование субклеточной локализации на основе кластеров для грамотрицательных бактерий и архей». Границы микробиологии. 2: 218. Дои:10.3389 / fmicb.2011.00218. ЧВК 3210502. PMID 22073040.
- ^ Goudenège D, Avner S, Lucchetti-Miganeh C, Barloy-Hubler F (март 2010 г.). «CoBaltDB: Полная база данных по субклеточной локализации орфеом бактерий и архей и связанные ресурсы». BMC Microbiology. 10: 88. Дои:10.1186/1471-2180-10-88. ЧВК 2850352. PMID 20331850.
- ^ Короннелло С., Бенос П.В. (июль 2013 г.). "ComiR: Комбинаторный инструмент прогнозирования мишеней микроРНК". Исследования нуклеиновых кислот. 41 (Выпуск веб-сервера): W159–64. Дои:10.1093 / nar / gkt379. ЧВК 3692082. PMID 23703208.
- ^ Хупер С.М., Каслден И.Р., Арьяманеш Н., Джейкоби Р.П., Миллар А.Х. (январь 2016 г.). «Определение субклеточного расположения белков ячменя, пшеницы, риса и кукурузы: сборник белков сельскохозяйственных культур с аннотированными местоположениями (CropPAL)». Физиология растений и клеток. 57 (1): e9. Дои:10.1093 / pcp / pcv170. PMID 26556651.
- ^ Черзё, Миклош; Эйзенхабер, Франк; Эйзенхабер, Биргит; Саймон, Иштван (сентябрь 2002 г.). «О фильтрации ложноположительных предсказаний трансмембранного белка». Белковая инженерия, дизайн и отбор. 15 (9): 745–752. Дои:10.1093 / белок / 15.9.745. ISSN 1741-0134. PMID 12456873.
- ^ Альмагро Арментерос Дж.Дж., Сёндерби СК, Сёндерби СК, Нильсен Х., Винтер О. (ноябрь 2017 г.). «DeepLoc: прогнозирование субклеточной локализации белков с помощью глубокого обучения». Биоинформатика. 33 (21): 3387–3395. Дои:10.1093 / биоинформатика / btx431. PMID 29036616.
- ^ Maragkakis M, Reczko M, Simossis VA, Alexiou P, Papadopoulos GL, Dalamagas T., Giannopoulos G, Goumas G, Koukis E, Kourtis K, Vergoulis T., Koziris N, Sellis T., Tsanakas P, Hatzigeorgiou AG (июль 2009 г.). «Веб-сервер DIANA-microT: выяснение функций микроРНК посредством предсказания цели». Исследования нуклеиновых кислот. 37 (Выпуск веб-сервера): W273–6. Дои:10.1093 / nar / gkp292. ЧВК 2703977. PMID 19406924.
- ^ Параскевопулу, доктор медицины, Георгакилас Г., Костулас Н., Влахос И.С., Вергулис Т., Рецко М., Филиппидис К., Даламагас Т., Хатцигеоргиу А.Г. (июль 2013 г.). «Веб-сервер DIANA-microT v5.0: интеграция сервиса в рабочие процессы функционального анализа miRNA». Исследования нуклеиновых кислот. 41 (Выпуск веб-сервера): W169–73. Дои:10.1093 / nar / gkt393. ЧВК 3692048. PMID 23680784.
- ^ Вишарт Д.С., Нокс С., Гуо А.С., Шривастава С., Хассанали М., Стотхард П., Чанг З., Вулси Дж. (Январь 2006 г.). «DrugBank: всеобъемлющий ресурс для поиска и исследования лекарств in silico». Исследования нуклеиновых кислот. 34 (Выпуск базы данных): D668–72. Дои:10.1093 / nar / gkj067. ЧВК 1347430. PMID 16381955.
- ^ Хорлер Р.С., Мясник А., Папангелопулос Н., Эштон П.Д., Томас Г.Х. (январь 2009 г.). «ЭХОЛОКАЦИЯ: анализ in silico субклеточных местоположений белков Escherichia coli и сравнение с экспериментально полученными местоположениями». Биоинформатика. 25 (2): 163–6. Дои:10.1093 / биоинформатика / btn596. PMID 19015139.
- ^ Fucile G, Di Biase D, Nahal H, La G, Khodabandeh S, Chen Y, Easley K, Christendat D, Kelley L, Provart NJ (январь 2011 г.). «ePlant и инициатива по отображению трехмерных данных: интегративная системная биология во всемирной паутине». PLOS ONE. 6 (1): e15237. Bibcode:2011PLoSO ... 615237F. Дои:10.1371 / journal.pone.0015237. ЧВК 3018417. PMID 21249219.
- ^ Бхасин М., Рагхава Г.П. (июль 2004 г.). «ESLpred: метод на основе SVM для субклеточной локализации эукариотических белков с использованием дипептидной композиции и PSI-BLAST». Исследования нуклеиновых кислот. 32 (Выпуск веб-сервера): W414–9. Дои:10.1093 / нар / гх350. ЧВК 441488. PMID 15215421.
- ^ Чжоу KC, Шен HB (апрель 2010 г.). «Новый метод прогнозирования субклеточной локализации эукариотических белков как с одним, так и с несколькими сайтами: Euk-mPLoc 2.0». PLOS ONE. 5 (4): e9931. Bibcode:2010PLoSO ... 5.9931C. Дои:10.1371 / journal.pone.0009931. ЧВК 2848569. PMID 20368981.
- ^ Е Х, Е Л., Кан Х, Чжан Д., Тао Л., Тан К., Лю Х, Чжу Р., Лю Цюй, Чен ИЗ, Ли И, Цао З. (январь 2011 г.). «HIT: соединение активных ингредиентов на травах с целями». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D1055–9. Дои:10.1093 / nar / gkq1165. ЧВК 3013727. PMID 21097881.
- ^ Tusnády, Gábor E .; Саймон, Иштван (октябрь 1998 г.). "Принципы, регулирующие аминокислотный состав интегральных мембранных белков: приложение к предсказанию топологии 1 1 Под редакцией Дж. Торнтона". Журнал молекулярной биологии. 283 (2): 489–506. Дои:10.1006 / jmbi.1998.2107. ISSN 0022-2836. PMID 9769220.
- ^ Туснады, Г. Э .; Саймон, И. (2001-09-01). «Сервер прогнозирования трансмембранной топологии HMMTOP». Биоинформатика. 17 (9): 849–850. Дои:10.1093 / биоинформатика / 17.9.849. ISSN 1367-4803. PMID 11590105.
- ^ Гарг А., Бхасин М., Рагхава Г. П. (апрель 2005 г.). «Опорный векторный машинный метод субклеточной локализации белков человека с использованием аминокислотных композиций, их порядка и поиска сходства». Журнал биологической химии. 280 (15): 14427–32. Дои:10.1074 / jbc.M411789200. PMID 15647269.
- ^ Ван Дж. К., Чу П. Я., Чен С. М., Лин Дж. Х. (июль 2012 г.). «idTarget: веб-сервер для идентификации белковых мишеней малых химических молекул с надежными функциями подсчета очков и подходом стыковки« разделяй и властвуй »». Исследования нуклеиновых кислот. 40 (Выпуск веб-сервера): W393–9. Дои:10.1093 / нар / gks496. ЧВК 3394295. PMID 22649057.
- ^ Чжоу KC, Wu ZC, Сяо X (февраль 2012). «iLoc-Hum: использование шкалы меток накопления для прогнозирования субклеточного расположения белков человека как с одним, так и с несколькими сайтами». Молекулярные биосистемы. 8 (2): 629–41. Дои:10.1039 / c1mb05420a. PMID 22134333.
- ^ Линь Х.Н., Чен С.Т., Сун Т.Ю., Хо С.Ю., Сюй В.Л. (декабрь 2009 г.). «Предсказание субклеточной локализации белков эукариот с использованием подхода, основанного на знаниях». BMC Bioinformatics. 10 Приложение 15: S8. Дои:10.1186 / 1471-2105-10-S15-S8. ЧВК 2788359. PMID 19958518.
- ^ Амарал П.П., Кларк МБ, Гаскойн Д.К., Динджер М.Э., Мэттик Дж.С. (январь 2011 г.). «lncRNAdb: справочная база данных для длинных некодирующих РНК». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D146–51. Дои:10.1093 / nar / gkq1138. ЧВК 3013714. PMID 21112873.
- ^ Наир Р., Рост Б (июль 2003 г.). «LOC3D: аннотировать субклеточную локализацию белковых структур». Исследования нуклеиновых кислот. 31 (13): 3337–40. Дои:10.1093 / нар / gkg514. ЧВК 168921. PMID 12824321.
- ^ а б Наир Р., Рост Б (апрель 2005 г.). «Имитация клеточной сортировки улучшает предсказание субклеточной локализации». Журнал молекулярной биологии. 348 (1): 85–100. Дои:10.1016 / j.jmb.2005.02.025. PMID 15808855.
- ^ Наир Р., Рост Б (декабрь 2003 г.). «Лучшее предсказание субклеточной локализации путем объединения эволюционной и структурной информации». Белки. 53 (4): 917–30. CiteSeerX 10.1.1.217.389. Дои:10.1002 / prot.10507. PMID 14635133.
- ^ Финк Дж. Л., Атуралия Р. Н., Дэвис М. Дж., Чжан Ф., Хансон К., Тисдейл М. С., Кай С., Кавай Дж., Карнинчи П., Хаяшизаки Ю., Тисдейл Р. Д. (январь 2006 г.). «LOCATE: база данных субклеточной локализации мышиного белка». Исследования нуклеиновых кислот. 34 (Выпуск базы данных): D213–7. Дои:10.1093 / nar / gkj069. ЧВК 1347432. PMID 16381849.
- ^ Растоги С, Рост Б (январь 2011). «LocDB: экспериментальные аннотации локализации для Homo sapiens и Arabidopsis thaliana». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D230–4. Дои:10.1093 / nar / gkq927. ЧВК 3013784. PMID 21071420.
- ^ Наир Р., Рост Б (июль 2004 г.). «LOCnet и LOCtarget: субклеточная локализация мишеней структурной геномики». Исследования нуклеиновых кислот. 32 (Выпуск веб-сервера): W517–21. Дои:10.1093 / нар / гх441. ЧВК 441579. PMID 15215440.
- ^ а б Goldberg T, Hamp T, Rost B (сентябрь 2012 г.). «LocTree2 предсказывает локализацию для всех сфер жизни». Биоинформатика. 28 (18): i458 – i465. Дои:10.1093 / биоинформатика / bts390. ЧВК 3436817. PMID 22962467.
- ^ Голдберг Т., Хехт М., Хамп Т., Карл Т., Ячдав Г., Ахмед Н., Альтерманн Ю., Ангерер П., Ансорге С., Балаш К., Бернхофер М., Бец А., Джизмадия Л., До К.Т., Герке Дж., Грейл Р., Йорденс В. , Hastreiter M, Hembach K, Herzog M, Kalemanov M, Kluge M, Meier A, Nasir H, Neumaier U, Prade V, Reeb J, Sorokoumov A, Troshani I, Vorberg S, Waldraff S, Zierer J, Nielsen H, Rost B (июль 2014 г.). "Предсказание локализации LocTree3". Исследования нуклеиновых кислот. 42 (Выпуск веб-сервера): W350–5. Дои:10.1093 / нар / gku396. ЧВК 4086075. PMID 24848019.
- ^ Панвар Б., Рагхава Г.П. (май 2012 г.). «Предсказание субклеточной локализации тРНК синтетаз из их первичных структур». Аминокислоты. 42 (5): 1703–13. Дои:10.1007 / s00726-011-0872-8. PMID 21400228. S2CID 2996097.
- ^ Симха Р., Бриземейстер С., Кольбахер О., Шаткай Х. (июнь 2015 г.). «Прогнозирование местоположения белков (нескольких): использование взаимозависимостей через генеративную модель». Биоинформатика. 31 (12): i365–74. Дои:10.1093 / биоинформатика / btv264. ЧВК 4765880. PMID 26072505.
- ^ Пьерлеони А., Мартелли П.Л., Касадио Р. (май 2011 г.). «MemLoci: прогнозирование внутриклеточной локализации мембранных белков у эукариот». Биоинформатика. 27 (9): 1224–30. Дои:10.1093 / биоинформатика / btr108. PMID 21367869.
- ^ Пьерлеони А, Индио V, Савохардо С., Фаризелли П., Мартелли П.Л., Касадио Р. (июль 2011 г.). «MemPype: конвейер для аннотации белков мембран эукариот». Исследования нуклеиновых кислот. 39 (Выпуск веб-сервера): W375–80. Дои:10.1093 / nar / gkr282. ЧВК 3125734. PMID 21543452.
- ^ Магнус М., Павловски М., Буйницкий Ю.М. (декабрь 2012 г.). «MetaLocGramN: мета-предиктор субклеточной локализации белка для грамотрицательных бактерий». Biochimica et Biophysica Acta (BBA) - Белки и протеомика. 1824 (12): 1425–33. Дои:10.1016 / j.bbapap.2012.05.018. PMID 22705560.
- ^ Хауссер Дж., Бернингер П., Родак С., Янтшер Ю., Вирт С., Заволан М. (июль 2009 г.). «МирЗ: интегрированный атлас экспрессии микроРНК и целевой ресурс для прогнозирования». Исследования нуклеиновых кислот. 37 (Выпуск веб-сервера): W266–72. Дои:10.1093 / nar / gkp412. ЧВК 2703880. PMID 19468042.
- ^ Кумар М., Верма Р., Рагхава Г.П. (март 2006 г.). «Прогнозирование митохондриальных белков с использованием машины опорных векторов и скрытой марковской модели». Журнал биологической химии. 281 (9): 5357–63. Дои:10.1074 / jbc.M511061200. PMID 16339140.
- ^ Höglund A, Dönnes P, Blum T., Adolph HW, Kohlbacher O (май 2006 г.). «MultiLoc: предсказание субклеточной локализации белка с использованием N-концевых целевых последовательностей, мотивов последовательностей и аминокислотного состава». Биоинформатика. 22 (10): 1158–65. Дои:10.1093 / биоинформатика / btl002. PMID 16428265.
- ^ Чжу П.П., Ли В.К., Чжун Ц.Дж., Дэн Э.З., Дин Х., Чен В., Лин Х. (февраль 2015 г.). «Прогнозирование субклеточной локализации микобактериальных белков путем включения оптимальных трипептидов в общую форму псевдоаминокислотного состава». Молекулярные биосистемы. 11 (2): 558–63. Дои:10.1039 / c4mb00645c. PMID 25437899. S2CID 8130819.
- ^ la Cour T, Kiemer L, Mølgaard A, Gupta R, Skriver K, Brunak S (июнь 2004 г.). «Анализ и прогнозирование сигналов ядерного экспорта, богатого лейцином». Белковая инженерия, дизайн и выбор. 17 (6): 527–36. Дои:10.1093 / белок / gzh062. PMID 15314210.
- ^ Кинг, Брайан Р.; Гуда, Читтибабу (2007). «ngLOC: байесовский метод на основе n-граммов для оценки субклеточных протеомов эукариот». Геномная биология. 8 (5): R68. Дои:10.1186 / gb-2007-8-5-r68. ISSN 1465-6906. ЧВК 1929137. PMID 17472741.
- ^ Вудкрофт Б.Дж., Хаммонд Л., Стоу Д.Л., Гамильтон Н.А. (ноябрь 2009 г.). «Автоматизированная колокализация на основе органелл при визуализации целых клеток». Цитометрия. Часть А. 75 (11): 941–50. Дои:10.1002 / cyto.a.20786. PMID 19746416. S2CID 25068671.
- ^ Лу З., Шафрон Д., Грейнер Р., Лу П., Вишарт Д. С., Пулин Б., Анвик Дж., Макдонелл К., Эйснер Р. (март 2004 г.). «Предсказание субклеточной локализации белков с помощью классификаторов с машинным обучением». Биоинформатика. 20 (4): 547–56. CiteSeerX 10.1.1.216.1493. Дои:10.1093 / биоинформатика / btg447. PMID 14990451.
- ^ а б Szafron D, Lu P, Greiner R, Wishart DS, Poulin B, Eisner R, Lu Z, Anvik J, Macdonell C, Fyshe A, Meeuwis D (июль 2004 г.). «Proteome Analyst: пользовательские прогнозы с пояснениями в веб-инструменте для высокопроизводительных протеомных аннотаций». Исследования нуклеиновых кислот. 32 (Проблема с веб-сервером): W365–71. Дои:10.1093 / нар / гх485. ЧВК 441623. PMID 15215412.
- ^ Лю X, Ouyang S, Yu B, Liu Y, Huang K, Gong J, Zheng S, Li Z, Li H, Jiang H (июль 2010 г.). «Сервер PharmMapper: веб-сервер для идентификации потенциальных мишеней лекарственного средства с использованием подхода к фармакофорному картированию». Исследования нуклеиновых кислот. 38 (Выпуск веб-сервера): W609–14. Дои:10.1093 / нар / gkq300. ЧВК 2896160. PMID 20430828.
- ^ Тан С., Ли Т., Конг П, Сюн В., Ван З., Сунь Дж. (Июль 2013 г.). «PlantLoc: точный веб-сервер для прогнозирования субклеточной локализации растительного белка по мотиву субстанциальности». Исследования нуклеиновых кислот. 41 (Выпуск веб-сервера): W441–7. Дои:10.1093 / nar / gkt428. ЧВК 3692052. PMID 23729470.
- ^ Багос П.Г., Лиакопулос Т.Д., Спиропулос И.К., Хамодракас С.Дж. (июль 2004 г.). "PRED-TMBB: веб-сервер для прогнозирования топологии белков внешней мембраны бета-ствола". Исследования нуклеиновых кислот. 32 (Выпуск веб-сервера): W400–4. Дои:10.1093 / нар / гх417. ЧВК 441555. PMID 15215419.
- ^ Багос П.Г., Лиакопулос Т.Д., Спиропулос И.К., Хамодракас С.Дж. (март 2004 г.). «Метод скрытой марковской модели, способный предсказывать и различать белки внешней мембраны бета-ствола». BMC Bioinformatics. 5: 29. Дои:10.1186/1471-2105-5-29. ЧВК 385222. PMID 15070403.
- ^ Cokol M, Nair R, Rost B (ноябрь 2000 г.). «Нахождение сигналов ядерной локализации». EMBO отчеты. 1 (5): 411–5. Дои:10.1093 / embo-reports / kvd092. ЧВК 1083765. PMID 11258480.
- ^ Yachdav G, Kloppmann E, Kajan L, Hecht M, Goldberg T, Hamp T, Hönigschmid P, Schafferhans A, Roos M, Bernhofer M, Richter L, Ashkenazy H, Punta M, Schlessinger A, Bromberg Y, Schneider R, Vriend G , Сандер С., Бен-Тал Н., Рост Б. (июль 2014 г.). «PredictProtein - открытый ресурс для онлайн-прогнозирования структурных и функциональных характеристик белков». Исследования нуклеиновых кислот. 42 (Выпуск веб-сервера): W337–43. Дои:10.1093 / нар / gku366. ЧВК 4086098. PMID 24799431.
- ^ Kaján L, Yachdav G, Vicedo E, Steinegger M, Mirdita M, Angermüller C, Böhm A, Domke S, Ertl J, Mertes C, Reisinger E, Staniewski C, Rost B (2013). «Облачное предсказание структуры и функции белков с помощью PredictProtein для Debian». BioMed Research International. 2013: 1–6. Дои:10.1155/2013/398968. ЧВК 3732596. PMID 23971032.
- ^ Рост Б., Лю Дж. (Июль 2003 г.). «Сервер PredictProtein». Исследования нуклеиновых кислот. 31 (13): 3300–4. Дои:10,1093 / нар / гкг508. ЧВК 168915. PMID 12824312.
- ^ Рост Б., Ячдав Г., Лю Дж. (Июль 2004 г.). «Сервер PredictProtein». Исследования нуклеиновых кислот. 32 (Проблема с веб-сервером): W321–6. Дои:10.1093 / нар / гх377. ЧВК 441515. PMID 15215403.
- ^ Косилка JP (июль 2009 г.). «Пакет PREP: предсказательные редакторы РНК для митохондриальных генов растений, генов хлоропластов и определяемых пользователем выравниваний». Исследования нуклеиновых кислот. 37 (Выпуск веб-сервера): W253–9. Дои:10.1093 / нар / gkp337. ЧВК 2703948. PMID 19433507.
- ^ Косилка JP (апрель 2005 г.). «PREP-Mt: предсказательный редактор РНК для митохондриальных генов растений». BMC Bioinformatics. 6: 96. Дои:10.1186/1471-2105-6-96. ЧВК 1087475. PMID 15826309.
- ^ Хуанг В.Л., Тунг С.В., Хо С.В., Хван С.Ф., Хо С.Ю. (февраль 2008 г.). «ProLoc-GO: использование информативных терминов генной онтологии для предсказания субклеточной локализации белка на основе последовательностей». BMC Bioinformatics. 9: 80. Дои:10.1186/1471-2105-9-80. ЧВК 2262056. PMID 18241343.
- ^ Хуанг У.Л., Тунг Ч.В., Хуанг Х.Л., Хван С.Ф., Хо СИ (2007). «ProLoc: прогнозирование субядерной локализации белка с помощью SVM с автоматическим выбором по физико-химическим характеристикам состава». Биосистемы. 90 (2): 573–81. Дои:10.1016 / j.biosystems.2007.01.001. PMID 17291684.
- ^ Ян Б., Сэйерс С., Сян З., Хе И (январь 2011 г.). «Protegen: Интернет-база данных и система анализа защитных антигенов». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D1073–8. Дои:10.1093 / nar / gkq944. ЧВК 3013795. PMID 20959289.
- ^ Drwal, Malgorzata N .; Банерджи, Приянка; Дункель, Матиас; Wettig, Martin R .; Прейсснер, Роберт (16 мая 2014 г.). «ProTox: веб-сервер для in silico прогнозирования оральной токсичности для грызунов». Исследования нуклеиновых кислот. 42 (W1): W53 – W58. Дои:10.1093 / нар / gku401. ISSN 1362-4962. ЧВК 4086068. PMID 24838562.
- ^ Банерджи, Приянка; Экерт, Андреас О; Шрей, Анна К; Прейсснер, Роберт (30.04.2018). «ProTox-II: веб-сервер для прогнозирования токсичности химических веществ». Исследования нуклеиновых кислот. 46 (W1): W257 – W263. Дои:10.1093 / нар / gky318. ISSN 0305-1048. ЧВК 6031011. PMID 29718510.
- ^ Бхасин М., Гарг А., Рагхава Г.П. (май 2005 г.). «PSLpred: прогноз субклеточной локализации бактериальных белков». Биоинформатика. 21 (10): 2522–4. Дои:10.1093 / биоинформатика / bti309. PMID 15699023.
- ^ Yu NY, Wagner JR, Laird MR, Melli G, Rey S, Lo R, Dao P, Sahinalp SC, Ester M, Foster LJ, Brinkman FS (июль 2010 г.). «PSORTb 3.0: улучшенное предсказание субклеточной локализации белка с уточненными подкатегориями локализации и прогностическими возможностями для всех прокариот». Биоинформатика. 26 (13): 1608–15. Дои:10.1093 / биоинформатика / btq249. ЧВК 2887053. PMID 20472543.
- ^ Ю. Нью-Йорк, Лэрд М.Р., Спенсер К., Бринкман Ф.С. (январь 2011 г.). «PSORTdb - расширенная, автоматически обновляемая, удобная база данных субклеточной локализации белков для бактерий и архей». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D241–4. Дои:10.1093 / nar / gkq1093. ЧВК 3013690. PMID 21071402.
- ^ Рей С., Акаб М., Гарди Дж. Л., Лэрд М. Р., де Фейс К., Ламберт С., Бринкман Ф. С. (январь 2005 г.). «PSORTdb: база данных субклеточной локализации белков для бактерий». Исследования нуклеиновых кислот. 33 (Выпуск базы данных): D164–8. Дои:10.1093 / nar / gki027. ЧВК 539981. PMID 15608169.
- ^ Ву Х.Дж., Ма Ю.К., Чен Т., Ван М, Ван XJ (июль 2012 г.). «PsRobot: набор инструментов для мета-анализа малых РНК растений». Исследования нуклеиновых кислот. 40 (Выпуск веб-сервера): W22–8. Дои:10.1093 / нар / гкс554. ЧВК 3394341. PMID 22693224.
- ^ Гуда С., Субраманиам С. (ноябрь 2005 г.). "pTARGET [исправлено] новый метод прогнозирования субклеточной локализации белков у эукариот". Биоинформатика. 21 (21): 3963–9. Дои:10.1093 / биоинформатика / bti650. PMID 16144808.
- ^ Гуда С (июль 2006 г.). «pTARGET: веб-сервер для прогнозирования субклеточной локализации белка». Исследования нуклеиновых кислот. 34 (Выпуск веб-сервера): W210–3. Дои:10.1093 / nar / gkl093. ЧВК 1538910. PMID 16844995.
- ^ Ли Т.Ю., Бо-Кай Хсу Дж, Чанг В.К., Хуанг HD (январь 2011 г.). «RegPhos: система для исследования сети фосфорилирования протеинкиназа-субстрат у человека». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D777–87. Дои:10.1093 / nar / gkq970. ЧВК 3013804. PMID 21037261.
- ^ Элефант Н., Бергер А., Шейн Х, Хофри М., Маргалит Х, Алтувиа Й (январь 2011 г.). «RepTar: база данных прогнозируемых клеточных мишеней миРНК хозяина и вирусов». Исследования нуклеиновых кислот. 39 (Выпуск базы данных): D188–94. Дои:10.1093 / nar / gkq1233. ЧВК 3013742. PMID 21149264.
- ^ Эггенхофер Ф., Тафер Х., Штадлер П.Ф., Хофакер Иллинойс (июль 2011 г.). «RNApredator: быстрое предсказание целей мРНК на основе доступности». Исследования нуклеиновых кислот. 39 (Выпуск веб-сервера): W149–54. Дои:10.1093 / nar / gkr467. ЧВК 3125805. PMID 21672960.
- ^ Шао В., Лю М., Чжан Д. (январь 2016 г.). «Построение модели на основе структуры клеток человека для прогнозирования субклеточного местоположения белка по биологическим изображениям». Биоинформатика. 32 (1): 114–21. Дои:10.1093 / биоинформатика / btv521. PMID 26363175.
- ^ Савохардо К., Мартелли П.Л., Фаризелли П., Касадио Р. (февраль 2017 г.). «SChloro: направление белков Viridiplantae в шесть хлоропластических субкомпартментов». Биоинформатика. 33 (3): 347–353. Дои:10.1093 / биоинформатика / btw656. ЧВК 5408801. PMID 28172591.
- ^ Сараванан V, Лакшми П.Т. (февраль 2013 г.). «SCLAP: адаптивный бустерный метод для прогнозирования субхлоропластной локализации растительных белков». ОМИКС. 17 (2): 106–15. Дои:10.1089 / omi.2012.0070. PMID 23289782.
- ^ Муни С., Ван Й., Полластри Г. (октябрь 2011 г.). «SCLpred: предсказание субклеточной локализации белка с помощью нейронных сетей N-to-1». Биоинформатика. 27 (20): 2812–9. Дои:10.1093 / биоинформатика / btr494. PMID 21873639.
- ^ Kaleel, M; Чжэн, Y; Чен, Дж; Фэн, X; Симпсон, JC; Полластри, Г; Муни, К. (6 марта 2020 г.). «SCLpred-EMS: предсказание субклеточной локализации эндомембранной системы и белков секреторного пути с помощью сверточных нейронных сетей Deep N-to-1». Биоинформатика (Оксфорд, Англия). 36 (11): 3343–3349. Дои:10.1093 / биоинформатика / btaa156. PMID 32142105.
- ^ Бендцен Дж. Д., Дженсен Л. Дж., Блом Н., Фон Хейне Г, Брунак С (апрель 2004 г.). «Прогнозирование неклассической секреции белка без лидера на основе признаков». Белковая инженерия, дизайн и выбор. 17 (4): 349–56. Дои:10.1093 / белок / gzh037. PMID 15115854.
- ^ Бендцен Дж. Д., Кимер Л., Фаусбёлл А., Брунак С. (октябрь 2005 г.). «Неклассическая секреция белка у бактерий». BMC Microbiology. 5: 58. Дои:10.1186/1471-2180-5-58. ЧВК 1266369. PMID 16212653.
- ^ Сюй ИЙ, Ян Ф, Чжан И, Шен ХБ (апрель 2015 г.). «Обнаружение неверно локализованных белков в раковых опухолях человека на основе биовизуализации с помощью полу-контролируемого обучения». Биоинформатика. 31 (7): 1111–9. Дои:10.1093 / биоинформатика / btu772. ЧВК 4382902. PMID 25414362.
- ^ Shatkay H, Höglund A, Brady S, Blum T, Dönnes P, Kohlbacher O (июнь 2007 г.). «SherLoc: высокоточное предсказание субклеточной локализации белка за счет интеграции текста и данных о последовательности белка». Биоинформатика. 23 (11): 1410–7. Дои:10.1093 / биоинформатика / btm115. PMID 17392328.
- ^ Tanz SK, Castleden I, Hooper CM, Vacher M, Small I, Millar HA (январь 2013 г.). «SUBA3: база данных для интеграции экспериментов и прогнозов для определения субклеточного расположения белков у Arabidopsis». Исследования нуклеиновых кислот. 41 (Выпуск базы данных): D1185–91. Дои:10.1093 / нар / gks1151. ЧВК 3531127. PMID 23180787.
- ^ Хупер К.М., Танц С.К., Каслден И.Р., Вашер М.А., Small ID, Миллар А.Х. (декабрь 2014 г.). «SUBAcon: консенсусный алгоритм для объединения данных субклеточной локализации протеома Arabidopsis». Биоинформатика. 30 (23): 3356–64. Дои:10.1093 / биоинформатика / btu550. PMID 25150248.
- ^ Ду П, Цао С., Ли И (ноябрь 2009 г.).«SubChlo: прогнозирование местоположения белковых субхлоропластов с псевдо-аминокислотным составом и теоретико-доказательный алгоритм K-ближайшего соседа (ET-KNN)». Журнал теоретической биологии. 261 (2): 330–5. Дои:10.1016 / j.jtbi.2009.08.004. PMID 19679138.
- ^ Дункель М., Гюнтер С., Ахмед Дж., Виттиг Б., Прейсснер Р. (июль 2008 г.). «SuperPred: классификация лекарств и прогнозирование целей». Исследования нуклеиновых кислот. 36 (Выпуск веб-сервера): W55–9. Дои:10.1093 / nar / gkn307. ЧВК 2447784. PMID 18499712.
- ^ Hecker N, Ahmed J, von Eichborn J, Dunkel M, Macha K, Eckert A, Gilson MK, Bourne PE, Preissner R (январь 2012 г.). «SuperTarget становится количественным: обновленная информация о взаимодействиях лекарств и мишеней». Исследования нуклеиновых кислот. 40 (Выпуск базы данных): D1113–7. Дои:10.1093 / nar / gkr912. ЧВК 3245174. PMID 22067455.
- ^ Гфеллер, Дэвид; Мишелин, Оливье; Зоте, Винсент (17 сентября 2013 г.). «Формирование ландшафта взаимодействия биоактивных молекул». Биоинформатика. 29 (23): 3073–3079. Дои:10.1093 / биоинформатика / btt540. ISSN 1460-2059. PMID 24048355.
- ^ Гфеллер, Дэвид; Гросдидье, Орельен; Вирт, Матиас; Дайна, Антуан; Мишелин, Оливье; Зотэ, Винсент (2014-05-03). «SwissTargetPrediction: веб-сервер для целевого прогнозирования биоактивных малых молекул». Исследования нуклеиновых кислот. 42 (W1): W32 – W38. Дои:10.1093 / нар / gku293. ISSN 1362-4962. ЧВК 4086140. PMID 24792161.
- ^ Лим Э., Пон А., Джумбу Й., Нокс С., Шривастава С., Го А.С., Неве В., Вишарт Д.С. (январь 2010 г.). «T3DB: всесторонне аннотированная база данных распространенных токсинов и их целей». Исследования нуклеиновых кислот. 38 (Выпуск базы данных): D781–6. Дои:10.1093 / нар / gkp934. ЧВК 2808899. PMID 19897546.
- ^ Дойл Е.Л., Бухер Нью-Джерси, Стэндаж Д.С., Войтас Д.Ф., Брендель В.П., Вандик Дж. К., Богданов А.Дж. (июль 2012 г.). «TAL Effector-Nucleotide Targeter (TALE-NT) 2.0: инструменты для дизайна TAL эффекторов и прогнозирования мишеней». Исследования нуклеиновых кислот. 40 (Выпуск веб-сервера): W117–22. Дои:10.1093 / нар / гкс608. ЧВК 3394250. PMID 22693217.
- ^ Ли Х, Гао З, Кан Л., Чжан Х, Ян К., Ю К., Ло Х, Чжу В., Чен К., Шен Дж, Ван Х, Цзян Х (июль 2006 г.). «TarFisDock: веб-сервер для определения целей для наркотиков с помощью стыковки». Исследования нуклеиновых кислот. 34 (Выпуск веб-сервера): W219–24. Дои:10.1093 / нар / gkl114. ЧВК 1538869. PMID 16844997.
- ^ Тьяден Б. (июль 2008 г.). «TargetRNA: инструмент для прогнозирования мишеней действия малых РНК в бактериях». Исследования нуклеиновых кислот. 36 (Выпуск веб-сервера): W109–13. Дои:10.1093 / nar / gkn264. ЧВК 2447797. PMID 18477632.
- ^ Эмануэльссон О, Нильсен Х, Брунак С., Фон Хейне Г (Июль 2000 г.). «Предсказание субклеточной локализации белков на основе их N-концевой аминокислотной последовательности». Журнал молекулярной биологии. 300 (4): 1005–16. Дои:10.1006 / jmbi.2000.3903. PMID 10891285.
- ^ Magariños MP, Carmona SJ, Crowther GJ, Ralph SA, Roos DS, Shanmugam D, Van Voorhis WC, Agüero F (январь 2012 г.). "TDR Targets: ресурс хемогеномики забытых болезней". Исследования нуклеиновых кислот. 40 (Выпуск базы данных): D1118–27. Дои:10.1093 / nar / gkr1053. ЧВК 3245062. PMID 22116064.
- ^ Линь Х, Чен В., Юань Л.Ф., Ли ЗК, Дин Х (июнь 2013 г.). «Использование сверхпредставленных тетрапептидов для прогнозирования местоположения белковых субмитохондрий». Acta Biotheoretica. 61 (2): 259–68. Дои:10.1007 / s10441-013-9181-9. PMID 23475502. S2CID 30809970.
- ^ Громиха М.М., Ахмад С., Сува М. (апрель 2004 г.). «Прогнозирование на основе нейронных сетей трансмембранных сегментов бета-цепи в белках внешней мембраны». Журнал вычислительной химии. 25 (5): 762–7. Дои:10.1002 / jcc.10386. PMID 14978719.
- ^ Громиха М.М., Ахмад С., Сува М. (июль 2005 г.). «TMBETA-NET: различение и прогнозирование бета-цепей, охватывающих мембраны, в белках внешней мембраны». Исследования нуклеиновых кислот. 33 (Выпуск веб-сервера): W164–7. Дои:10.1093 / нар / gki367. ЧВК 1160128. PMID 15980447.
- ^ Крог, Андерс; Ларссон, Бьорн; фон Хейне, Гуннар; Зоннхаммер, Эрик Л.Л. (январь 2001 г.). «Прогнозирование топологии трансмембранного белка со скрытой марковской моделью: приложение для полных геномов». Журнал молекулярной биологии. 305 (3): 567–580. Дои:10.1006 / jmbi.2000.4315. ISSN 0022-2836. PMID 11152613.
- ^ Хофманн, К; Стоффель, В. (1993). «TMbase - база данных сегментов мембранных белков» (PDF). Биол Хем Хоппе-Зейлер. 374: 166.
- ^ а б Индио V, Мартелли П.Л., Савохардо С., Фаризелли П., Касадио Р. (апрель 2013 г.). «Прогнозирование нацеленных на органеллы пептидов в эукариотических белках с помощью грамматически ограниченных скрытых условных случайных полей». Биоинформатика. 29 (8): 981–8. Дои:10.1093 / биоинформатика / btt089. PMID 23428638.
- ^ Савохардо К., Мартелли П.Л., Фаризелли П., Касадио Р. (октябрь 2015 г.). «TPpred3 обнаруживает и различает митохондриальные и хлоропластные целевые пептиды в эукариотических белках». Биоинформатика. 31 (20): 3269–75. Дои:10.1093 / биоинформатика / btv367. PMID 26079349.
- ^ Савохардо К., Мартелли П.Л., Фаризелли П., Касадио Р. (октябрь 2015 г.). «TPpred3 обнаруживает и различает митохондриальные и хлоропластные целевые пептиды в эукариотических белках». Биоинформатика. 31 (20): 3269–75. Дои:10.1093 / биоинформатика / btv367. PMID 26079349.
- ^ Чжу Ф, Хань Б., Кумар П., Лю Х, Ма Х, Вэй Х, Хуан Л., Го И, Хань Л., Чжэн Ц., Чен Ю. (январь 2010 г.). «Обновление TTD: База данных терапевтических целей». Исследования нуклеиновых кислот. 38 (Выпуск базы данных): D787–91. Дои:10.1093 / нар / gkp1014. ЧВК 2808971. PMID 19933260.
- ^ Эллис Л. Б., Гао Дж., Феннер К., Wackett LP (июль 2008 г.). "Система прогнозирования путей развития Миннесотского университета: прогнозирование метаболической логики". Исследования нуклеиновых кислот. 36 (Выпуск веб-сервера): W427–32. Дои:10.1093 / nar / gkn315. ЧВК 2447765. PMID 18524801.
- ^ Хортон П., Пак К.Дж., Обаяси Т., Фудзита Н., Харада Х., Адамс-Кольер С.Дж., Накай К. (июль 2007 г.). «WoLF PSORT: предсказатель локализации белка». Исследования нуклеиновых кислот. 35 (Выпуск веб-сервера): W585–7. Дои:10.1093 / нар / гкм259. ЧВК 1933216. PMID 17517783.
- ^ Бриземейстер С., Раненфюрер Дж., Кольбахер О. (июль 2010 г.). «YLoc - интерпретируемый веб-сервер для предсказания субклеточной локализации». Исследования нуклеиновых кислот. 38 (Выпуск веб-сервера): W497–502. Дои:10.1093 / nar / gkq477. ЧВК 2896088. PMID 20507917.
- ^ Blancafort P, Magnenat L, Barbas CF (март 2003 г.). «Сканирование генома человека с помощью библиотек комбинаторных факторов транскрипции». Природа Биотехнологии. 21 (3): 269–74. Дои:10.1038 / nbt794. PMID 12592412. S2CID 9761535.
- ^ Драйер Б., Фуллер Р.П., Сегал Д.Д., Лунд К.В., Бланкафорт П., Хубер А., Кокш Б., Барбас С.Ф. (октябрь 2005 г.). «Разработка доменов цинкового пальца для распознавания последовательностей ДНК семейства 5'-CNN-3 'и их использование в создании искусственных факторов транскрипции». Журнал биологической химии. 280 (42): 35588–97. Дои:10.1074 / jbc.M506654200. PMID 16107335.
- ^ Драйер Б., Сегал ди-джей, Барбас, CF (ноябрь 2000 г.). «Понимание молекулярного распознавания последовательности ДНК семейства 5'-GNN-3 'доменами цинковых пальцев». Журнал молекулярной биологии. 303 (4): 489–502. Дои:10.1006 / jmbi.2000.4133. PMID 11054286. S2CID 11263372.
- ^ Манделл Дж. Г., Барбас К. Ф. (июль 2006 г.). «Zinc Finger Tools: специальные ДНК-связывающие домены для факторов транскрипции и нуклеаз». Исследования нуклеиновых кислот. 34 (Выпуск веб-сервера): W516–23. Дои:10.1093 / нар / gkl209. ЧВК 1538883. PMID 16845061.
- ^ Драйер Б., Бирли Р. Р., Сигал Д. Д., Флиппин Д. Д., Барбас К. Ф. (август 2001 г.). «Разработка доменов с цинковыми пальцами для распознавания семейства последовательностей ДНК 5'-ANN-3 'и их использование в создании искусственных факторов транскрипции». Журнал биологической химии. 276 (31): 29466–78. Дои:10.1074 / jbc.M102604200. PMID 11340073.
- ^ Сегал DJ, Драйер Б., Бирли Р.Р., Барбас С.Ф. (март 1999 г.). «На пути к произвольному контролю экспрессии генов: отбор и создание доменов« цинковые пальцы », распознающих каждую из целевых последовательностей ДНК 5'-GNN-3 '». Труды Национальной академии наук Соединенных Штатов Америки. 96 (6): 2758–63. Bibcode:1999PNAS ... 96.2758S. Дои:10.1073 / пнас.96.6.2758. ЧВК 15842. PMID 10077584.