Prediction of DNA-Binding Propensity of Proteins by the Ball-Histogram Method Using Automatic Template Search

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00194574" target="_blank" >RIV/68407700:21230/12:00194574 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.biomedcentral.com/content/pdf/1471-2105-13-S10-S3.pdf13" target="_blank" >http://www.biomedcentral.com/content/pdf/1471-2105-13-S10-S3.pdf13</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1186/1471-2105-13-S10-S3" target="_blank" >10.1186/1471-2105-13-S10-S3</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Prediction of DNA-Binding Propensity of Proteins by the Ball-Histogram Method Using Automatic Template Search

Popis výsledku v původním jazyce

We contribute a novel, ball-histogram approach to DNA-binding propensity prediction of proteins. Unlike state-of-the-art methods based on constructing an ad-hoc set of features describing physicochemical properties of the proteins, the ball-histogram technique enables a systematic, Monte-Carlo exploration of the spatial distribution of amino acids complying with automatically selected properties. This exploration yields a model for the prediction of DNA binding propensity. We validate our method in prediction experiments, improving on state-of-the-art accuracies. Moreover, our method also provides interpretable features involving spatial distributions of selected amino acids.

Název v anglickém jazyce

Prediction of DNA-Binding Propensity of Proteins by the Ball-Histogram Method Using Automatic Template Search

Popis výsledku anglicky

We contribute a novel, ball-histogram approach to DNA-binding propensity prediction of proteins. Unlike state-of-the-art methods based on constructing an ad-hoc set of features describing physicochemical properties of the proteins, the ball-histogram technique enables a systematic, Monte-Carlo exploration of the spatial distribution of amino acids complying with automatically selected properties. This exploration yields a model for the prediction of DNA binding propensity. We validate our method in prediction experiments, improving on state-of-the-art accuracies. Moreover, our method also provides interpretable features involving spatial distributions of selected amino acids.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/ME10047" target="_blank" >ME10047: Prediktivní datové modelování pro efektivní genovou terapii a transplantaci kostní dřeně</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

BMC Bioinformatics

ISSN

1471-2105

e-ISSN

—

Svazek periodika

13

Číslo periodika v rámci svazku

Suppl 10

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

11

Strana od-do

1-11

Kód UT WoS článku

000306140100003

EID výsledku v databázi Scopus

—