Этот список инструментов для прогнозирования субклеточной локализации белков включает программное обеспечение, базы данных и веб-службы, которые используются для прогнозирования субклеточной локализации белков .
Включены некоторые инструменты, которые обычно используются для определения местоположения на основе предсказанных структурных свойств, таких как сигнальный пептид или трансмембранные спирали , и эти инструменты позволяют прогнозировать эти особенности, а не конкретные местоположения. Это программное обеспечение, связанное с предсказанием структуры белка, также может появиться в списках программного обеспечения для предсказания структуры белка .
Инструменты
- Описания, взятые из записи в реестре https://bio.tools/ (используется по лицензии CC-BY), указаны 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 г. |
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 г. |
BaCelLo | BaCelLo является предиктором субклеточной локализации белков у эукариот. ( запись в bio.tools ) | [4] | http://gpcr.biocomp.unibo.it/bacello/index.htm | 2006 г. |
БАР + | BAR + - это сервер для структурной и функциональной аннотации белковых последовательностей ( запись в bio.tools ) | [5] | http://bar.biocomp.unibo.it/bar2.0/ | 2011 г. |
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). Также, 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 г. |
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 г. |
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 г. |
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 г. |
Cell-PLoc | Пакет веб-серверов для прогнозирования субклеточной локализации белков у различных организмов. | [10] | 2008 г. | |
ВИОЛОНЧЕЛЬ | CELLO использует двухуровневую систему Support Vector Machine для определения локализации как прокариотических, так и эукариотических белков. | [11] [12] | 2006 г. | |
ClubSub-P | ClubSub-P - это база данных прогнозов субклеточной локализации (SCL) на основе кластеров для архей и грамотрицательных бактерий. | [13] | 2011 г. | |
CoBaltDB | CoBaltDB - это новая мощная платформа, которая обеспечивает легкий доступ к результатам нескольких инструментов локализации и поддержку для прогнозирования локализации прокариотических белков. | [14] | 2010 г. | |
ComiR | ComiR - это веб-инструмент для прогнозирования целей комбинаторной микроРНК (miRNA). Учитывая информационную РНК (мРНК) в геномах человека, мыши, мухи или червя, ComiR предсказывает, нацелена ли данная мРНК 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 г. |
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 оценок. Этот метод обеспечивает высокоточный профиль гидрофобности для запроса, из которого можно получить 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 г. |
DeepLoc | Прогнозирование субклеточной локализации эукариотических белков с использованием глубокого обучения ( запись в bio.tools ) | [18] | http://www.cbs.dtu.dk/services/DeepLoc/ | 2017 г. |
ДИАНА-microT v5.0 | Веб-сервер, который прогнозирует мишени для miRNA и предоставляет функциональную информацию о предполагаемом 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 объединяет подробные данные о лекарствах (например, химические) с исчерпывающей информацией о лекарствах (например, о белках). База данных содержит> 4100 записей о лекарствах, в том числе> 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 г. |
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 г. |
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 г. |
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 г. |
Euk-mPLoc 2.0 | Предсказание субклеточной локализации эукариотических белков как с одним, так и с несколькими сайтами. | [25] | 2010 г. | |
УДАРИТЬ | 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 включаются 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 сходства. 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 г. |
HMMTOP | Прогнозирование трансмембранных спиралей и топологии белков. ( запись в bio.tools ) | [27] [28] | http://www.enzim.hu/hmmtop/ | 2001 г. |
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 г. |
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 г. |
iLoc-Cell | Предиктор субклеточного расположения белков человека с множеством сайтов. ( запись в bio.tools ) | [31] | http://www.jci-bioinfo.cn/iLoc-Hum | 2012 г. |
ЗнайПредсайт | Подход, основанный на знаниях, для прогнозирования сайта (ов) локализации как одиночных, так и множественных локализованных белков для всех эукариот. | [32] | 2009 г. | |
lncRNAdb | База данных lncRNAdb содержит исчерпывающий список длинных некодирующих РНК (lncRNA), которые, как было показано, имеют 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, консервацию, функциональные данные и другую важную информацию. lncRNAdb можно искать, запрашивая опубликованные имена 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 г. |
Loc3D | LOC3D - это база данных предсказанной субклеточной локализации для эукариотических белков известной трехмерной (3D) структуры 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 г. |
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 г. |
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 генной онтологии (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 г. |
LOCtarget | LOCtarget - это инструмент для прогнозирования и база данных предварительно рассчитанных прогнозов субклеточной локализации эукариотических и прокариотических белков. Для прогнозирования используются несколько методов, в том числе 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 г. |
LOCtree | Прогнозирование, основанное на имитации механизма клеточной сортировки с использованием иерархической реализации машин опорных векторов . LOCtree - это комплексный предсказатель, включающий прогнозы на основе сигнатур PROSITE / PFAM, а также ключевых слов SwissProt . | [35] | 2005 г. | |
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, которая имитирует 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 г. |
LocTree3 | Прогнозирование субклеточной локализации белка в 18 классах для эукариот, 6 для бактерий и 3 для архей ( запись в bio.tools ) | [40] [41] | https://rostlab.org/services/loctree3/ | 2014 г. |
МАРСпред | Метод прогнозирования Â для различения митохондриальных AARS и цитозольных AARS. ( запись в bio.tools ) | [42] | http://www.imtech.res.in/raghava/marspred/ | 2012 г. |
MDLoc | Предиктор субклеточного местоположения белков на основе зависимостей. ( запись в bio.tools ) | [43] | http://128.4.31.235/ | 2015 г. |
MemLoci | Предиктор субклеточной локализации белков, связанных или встроенных в мембраны эукариот. ( запись в bio.tools ) | [44] | https://mu2py.biocomp.unibo.it/memloci | 2011 г. |
MemPype | Прогнозирование топологии и субклеточной локализации мембранных белков эукариот. ( запись в bio.tools ) | [45] | https://mu2py.biocomp.unibo.it/mempype | 2011 г. |
MetaLocGramN | Предиктор мета-субклеточной локализации грамотрицательного белка. MetaLocGramN - это вход в ряд 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 запускать через SOAP . | [46] | 2012 г. | |
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 г. |
MitPred | Веб-сервер специально обучен предсказанию белков, которые должны быть локализованы в митохондриях дрожжей и, в частности, животных. ( запись в bio.tools ) | [48] | http://www.imtech.res.in/raghava/mitpred/ | 2006 г. |
MultiLoc | Механизм прогнозирования на основе SVM для широкого диапазона субклеточных местоположений. | [49] | 2006 г. | |
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 г. |
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 г. |
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% для разных видов. ( запись в bio.tools ) | [52] | http://genome.unmc.edu/ngLOC/index.html | 2007 г. |
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 г. |
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 г. |
PharmMapper | PharmMapper - это веб-сервер, который определяет потенциальные мишени для 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 г. |
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 г. |
PredictNLS | Прогнозирование и анализ сигналов ядерной локализации ( вход в bio.tools ) | [60] | https://www.rostlab.org/owiki/index.php/PredictNLS | 2000 г. |
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 г. |
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, вводимые пользователем. ( запись в bio.tools ) | [65] [66] | http://prep.unl.edu/ | 2009 г. |
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 г. |
ProLoc | Классификатор на основе эволюционной опорной векторной машины (ESVM) с автоматическим выбором из большого набора характеристик физико-химического состава (PCC) для разработки точной системы для прогнозирования субядерной локализации белка. ( запись в bio.tools ) | [68] | http://140.113.239.45/proloc/ | 2007 г. |
Protegen | Protegen - это веб-база данных и система анализа, которая собирает, 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 г. |
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 г. |
ProTox | ProTox - это веб-сервер для предсказания in silico оральной токсичности малых молекул у грызунов. ( запись в bio.tools ) | [70] [71] | http://tox.charite.de/tox | 2018 г. |
PSLpred | Метод субклеточной локализации белков принадлежит прокариотическим геномам. ( запись в bio.tools ) | [72] | http://www.imtech.res.in/raghava/pslpred/ | 2005 г. |
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 г. |
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 г. |
psРобот | psRobot - это веб-инструмент для мета-анализа малых РНК растений. psRobot вычисляет предсказание малой РНК «стебель-петля», которое выравнивает загруженные пользователем последовательности с выбранным геномом, извлекает их предсказанные предшественники и предсказывает, могут ли предшественники складываться во вторичную структуру в форме «стебель-петля». 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 г. |
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 локализаций. ( запись в bio.tools ) | [77] [78] | http://bioinformatics.albany.edu/~ptarget | 2006 г. |
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 г. |
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 г. |
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 г. |
S-PSorter | Новый подход к построению классификатора на основе клеточной структуры для прогнозирования субклеточного местоположения белка на основе изображений с использованием предшествующей биологической структурной информации. ( запись в bio.tools ) | [82] | https://github.com/shaoweinuaa/S-PSorter | 2016 г. |
SChloro | Прогнозирование субхлоропластической локализации белка. ( запись в bio.tools ) | [83] | http://schloro.biocomp.unibo.it | 2017 г. |
SCLAP | Метод адаптивного усиления для прогнозирования субхлоропластной локализации растительных белков. | [84] | 2013 | |
SCLPred | Предсказание субклеточной локализации белка SCLpred с помощью нейронных сетей N-to-1. | [85] | 2011 г. | |
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 г. |
SecretomeP | Прогнозирование неклассической (т.е. не запускаемой сигнальным пептидом) секреции белка ( запись в bio.tools ) | [87] [88] | http://cbs.dtu.dk/services/SecretomeP/ | 2005 г. |
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 г. |
Шерлок | Предиктор на основе SVM, сочетающий MultiLoc с текстовыми функциями, полученными из рефератов PubMed. | [90] | 2007 г. | |
SUBA3 | База данных субклеточной локализации белков Arabidopsis с интерфейсом онлайн-поиска. ( запись в bio.tools ) | [91] [92] | http://suba3.plantenergy.uwa.edu.au/ | 2014 г. |
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 г. |
SuperPred | Веб-сервер SuperPred сравнивает структурный отпечаток входящей молекулы с базой данных лекарств, связанных с их лекарственными мишенями и затронутыми 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 г. |
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 г. |
SwissTargetPrediction | SwissTargetPrediction - это веб-сервер для целевого прогнозирования биоактивных малых молекул. Этот веб-сайт позволяет вам предсказывать цели небольшой молекулы. 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 г. |
T3DB | База данных токсинов и токсинов-мишеней (T3DB) - это уникальный биоинформатический ресурс, который собирает исчерпывающую информацию об общих или повсеместно распространенных токсинах и их мишенях для токсинов. 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 молекулярных и клеточных взаимодействиях, 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 в T3DB уделяется обеспечению глубины ?? над ?? шириной ?? с подробным описанием, механизмами действия и информацией о токсинах и токсинах-мишенях. Возможные применения T3DB включают клиническую метаболомику, прогнозирование токсиновых мишеней, прогнозирование токсичности и токсикологическое образование. ( запись в bio.tools ) | [98] | http://www.t3db.org | 2010 г. |
ТАЛАНТ | Подобный активатору транскрипции (TAL) Effector-Nucleotide Targeter 2.0 (TALE-NT) представляет собой набор веб-инструментов, которые позволяют настраивать массивы эффекторных повторов TAL для желаемых целей и предсказывать сайты связывания эффекторов TAL. ( запись в bio.tools ) | [99] | https://boglab.plp.iastate.edu/ | 2012 г. |
TarFisDock | Target Fishing Dock (TarFisDock) - это веб-сервер, который стыкует небольшие молекулы с белковыми структурами в базе данных потенциальных мишеней для лекарств (PDTD) для обнаружения новых мишеней для лекарств. ( запись в bio.tools ) | [100] | http://www.dddc.ac.cn/tarfisdock/ | 2006 г. |
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 г. |
TargetP | Прогнозирование сигналов N-терминальной сортировки . | [102] | 2000 г. | |
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, включая литературные источники. Информацию можно просматривать и запрашивать. ( запись в bio.tools ) | [103] | http://tdrtargets.org/ | 2012 г. |
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 по его аминокислотной последовательности. ( запись в bio.tools ) | [105] [106] | http://psfs.cbrc.jp/tmbeta-net/ | 2005 г. |
ТМХММ | Прогнозирование трансмембранных спиралей для идентификации трансмембранных белков . | [107] | 2001 г. | |
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 г. |
TPpred 1.0 | Прогнозирование целевых пептидов органелл ( запись в bio.tools ) | [109] | http://tppred.biocomp.unibo.it/tppred/default/index | 2013 |
TPpred 2.0 | Предсказание митохондриального целевого пептида ( запись в bio.tools ) | [110] [109] | https://tppred3.biocomp.unibo.it | 2015 г. |
TPpred 3.0 | Обнаружение пептидов, нацеленных на органеллы, и прогнозирование сайтов расщепления ( запись в bio.tools ) | [110] | http://tppred3.biocomp.unibo.it/tppred3 | 2015 г. |
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 лекарствах, связанных с их основными целями, новых способах доступа к данным по способу действия лекарства, рекурсивному поиску связанных целей или лекарств, цели сходства и поиску лекарств, настраиваемая и полная загрузка данных, а также стандартизированный идентификатор цели. ( запись в bio.tools ) | [111] | http://bidd.nus.edu.sg/group/cjttd/ | 2010 г. |
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 ) | [112] | http://eawag-bbd.ethz.ch/predict/aboutPPS.html | 2008 г. |
ШЕРСТЬ ПСОРТ | WoLF PSORT - это расширение программы PSORT II для предсказания субклеточного местоположения белков. ( запись в bio.tools ) | [113] | https://wolfpsort.hgc.jp/ | 2007 г. |
YLoc | YLoc - это веб-сервер для предсказания субклеточной локализации. Объясняются прогнозы и выделяются биологические свойства, использованные для прогнозов. Кроме того, доверительные оценки оценивают надежность индивидуальных прогнозов. ( запись в bio.tools ) | [114] | http://www.multiloc.org/YLoc | 2010 г. |
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 ) | [115] [116] [117] [118] [119] [120] | http://www.scripps.edu/mb/barbas/zfdesign/zfdesignhome.php | 2006 г. |
Рекомендации
- ^ Tantoso E, Li KB (август 2008). «AAIndexLoc: прогнозирование внутриклеточной локализации белков на основе нового представления последовательностей с использованием аминокислотных индексов». Аминокислоты . 35 (2): 345–53. DOI : 10.1007 / s00726-007-0616-у . PMID 18163182 . S2CID 712299 .
- ^ Сараванан В., Лакшми П.Т. (декабрь 2013 г.). «APSLAP: метод адаптивного бустинга для прогнозирования субклеточной локализации апоптозного белка». Acta Biotheoretica . 61 (4): 481–97. DOI : 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. DOI : 10.1104 / pp.110.156851 . PMC 2938157 . PMID 20647376 .
- ^ Пьерлеони А., Мартелли П.Л., Фаризелли П., Касадио Р. (июль 2006 г.). «BaCelLo: сбалансированный предиктор субклеточной локализации» . Биоинформатика . 22 (14): e408–16. DOI : 10.1093 / биоинформатики / btl222 . PMID 16873501 .
- ^ а б Пиовесан Д., Мартелли П.Л., Фаризелли П., Заули А., Росси И., Касадио Р. (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. DOI : 10.1093 / NAR / gkr292 . PMC 3125743 . PMID 21622657 .
- ^ Профити Дж., 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. DOI : 10.1093 / NAR / gkx330 . PMC 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. DOI : 10.1093 / NAR / gki593 . PMC 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. DOI : 10.1093 / NAR / gkh351 . PMC 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. DOI : 10.1093 / NAR / gkg554 . PMC 168961 . PMID 12824397 .
- ^ Чжоу KC, Шен HB (01.01.2008). «Cell-PLoc: пакет веб-серверов для прогнозирования субклеточной локализации белков в различных организмах». Протоколы природы . 3 (2): 153–62. DOI : 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. DOI : 10.1110 / ps.03479604 . PMC 2286765 . PMID 15096640 .
- ^ Ю К.С., Чен Ю.С., Лу СН, Хван Дж.К. (август 2006 г.). «Прогнозирование субклеточной локализации белков». Белки . 64 (3): 643–51. DOI : 10.1002 / prot.21018 . PMID 16752418 . S2CID 24245346 .
- ^ Парамасивам Н., Линке Д. (2011). «ClubSub-P: кластерное предсказание субклеточной локализации для грамотрицательных бактерий и архей» . Границы микробиологии . 2 : 218. DOI : 10,3389 / fmicb.2011.00218 . PMC 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. DOI : 10,1186 / 1471-2180-10-88 . PMC 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. DOI : 10.1093 / NAR / gkt379 . PMC 3692082 . PMID 23703208 .
- ^ Хупер К.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. DOI : 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 селекция . 15 (9): 745–752. DOI : 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. DOI : 10.1093 / биоинформатики / 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 через предсказание цели» . Исследования нуклеиновых кислот . 37 (выпуск веб-сервера): W273–6. DOI : 10.1093 / NAR / gkp292 . PMC 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. DOI : 10.1093 / NAR / gkt393 . PMC 3692048 . PMID 23680784 .
- ^ Вишарт Д.С., Нокс С., Го А.С., Шривастава С., Хассанали М., Стотхард П., Чанг З., Вулси Дж. (Январь 2006 г.). «DrugBank: исчерпывающий ресурс для открытия и исследования лекарств in silico» . Исследования нуклеиновых кислот . 34 (выпуск базы данных): D668–72. DOI : 10.1093 / NAR / gkj067 . PMC 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. DOI : 10.1093 / биоинформатики / 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 . DOI : 10.1371 / journal.pone.0015237 . PMC 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. DOI : 10.1093 / NAR / gkh350 . PMC 441488 . PMID 15215421 .
- ^ Чоу KC, Шен HB (апрель 2010 г.). «Новый метод прогнозирования субклеточной локализации эукариотических белков с одним и несколькими сайтами: Euk-mPLoc 2.0» . PLOS ONE . 5 (4): e9931. Bibcode : 2010PLoSO ... 5.9931C . DOI : 10.1371 / journal.pone.0009931 . PMC 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. DOI : 10.1093 / NAR / gkq1165 . PMC 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. DOI : 10.1006 / jmbi.1998.2107 . ISSN 0022-2836 . PMID 9769220 .
- ^ Туснады, GE; Саймон И. (2001-09-01). «Сервер прогнозирования трансмембранной топологии HMMTOP» . Биоинформатика . 17 (9): 849–850. DOI : 10.1093 / биоинформатики / 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. DOI : 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 оценки и подходом стыковки« разделяй и властвуй »» . Исследования нуклеиновых кислот . 40 (выпуск веб-сервера): W393–9. DOI : 10.1093 / NAR / gks496 . PMC 3394295 . PMID 22649057 .
- ^ Чжоу KC, Wu ZC, Сяо X (февраль 2012 г.). «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. DOI : 10.1039 / c1mb05420a . PMID 22134333 .
- ^ Линь Х.Н., Чен К.Т., Сун Т.Й., Хо С.Ю., Сюй В.Л. (декабрь 2009 г.). «Предсказание субклеточной локализации белка эукариот с использованием подхода, основанного на знаниях» . BMC Bioinformatics . 10 Приложение 15: S8. DOI : 10.1186 / 1471-2105-10-S15-S8 . PMC 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. DOI : 10.1093 / NAR / gkq1138 . PMC 3013714 . PMID 21112873 .
- ^ Наир Р., Рост Б (июль 2003 г.). «LOC3D: аннотировать субклеточную локализацию белковых структур» . Исследования нуклеиновых кислот . 31 (13): 3337–40. DOI : 10.1093 / NAR / gkg514 . PMC 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. DOI : 10.1016 / j.jmb.2005.02.025 . PMID 15808855 .
- ^ Наир Р., Рост Б (декабрь 2003 г.). «Лучшее предсказание субклеточной локализации за счет объединения эволюционной и структурной информации». Белки . 53 (4): 917–30. CiteSeerX 10.1.1.217.389 . DOI : 10.1002 / prot.10507 . PMID 14635133 . S2CID 3142627 .
- ^ 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 белка мыши» . Исследования нуклеиновых кислот . 34 (Выпуск базы данных): D213–7. DOI : 10.1093 / NAR / gkj069 . PMC 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. DOI : 10.1093 / NAR / gkq927 . PMC 3013784 . PMID 21071420 .
- ^ Наир Р., Рост Б (июль 2004 г.). «LOCnet и LOCtarget: субклеточная локализация для структурных целей геномики» . Исследования нуклеиновых кислот . 32 (выпуск веб-сервера): W517–21. DOI : 10.1093 / NAR / gkh441 . PMC 441579 . PMID 15215440 .
- ^ а б Голдберг Т., Хэмп Т., Рост Б. (сентябрь 2012 г.). «LocTree2 предсказывает локализацию для всех сфер жизни» . Биоинформатика . 28 (18): i458 – i465. DOI : 10.1093 / биоинформатики / bts390 . PMC 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.). «LocTree3 предсказание локализации» . Исследования нуклеиновых кислот . 42 (выпуск веб-сервера): W350–5. DOI : 10.1093 / NAR / gku396 . PMC 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. DOI : 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. DOI : 10.1093 / биоинформатики / btv264 . PMC 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. DOI : 10.1093 / биоинформатики / 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. DOI : 10.1093 / NAR / gkr282 . PMC 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. DOI : 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 прогнозирования» . Исследования нуклеиновых кислот . 37 (выпуск веб-сервера): W266–72. DOI : 10.1093 / NAR / gkp412 . PMC 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. DOI : 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. DOI : 10.1093 / биоинформатики / 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. DOI : 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, богатых лейцином» . Белковая инженерия, дизайн и отбор . 17 (6): 527–36. DOI : 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. DOI : 10.1186 / GB-2007-8-5-R68 . ISSN 1465-6906 . PMC 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 A . 75 (11): 941–50. DOI : 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 внутриклеточной локализации белков с помощью классификаторов с машинным обучением». Биоинформатика . 20 (4): 547–56. CiteSeerX 10.1.1.216.1493 . DOI : 10.1093 / биоинформатики / btg447 . PMID 14990451 .
- ^ а б Сафрон Д., Лу П., Грейнер Р., Вишарт Д. С., Пулин Б., Эйснер Р., Лу З., Анвик Дж., Макдонелл С., Фише А., Миувис Д. (июль 2004 г.). «Proteome Analyst: пользовательские прогнозы с пояснениями в веб-инструменте для высокопроизводительных протеомных аннотаций» . Исследования нуклеиновых кислот . 32 (выпуск веб-сервера): W365–71. DOI : 10.1093 / NAR / gkh485 . PMC 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 лекарств с использованием подхода к фармакофорному картированию» . Исследования нуклеиновых кислот . 38 (выпуск веб-сервера): W609–14. DOI : 10.1093 / NAR / gkq300 . PMC 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. DOI : 10.1093 / NAR / gkt428 . PMC 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. DOI : 10.1093 / NAR / gkh417 . PMC 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. DOI : 10,1186 / 1471-2105-5-29 . PMC 385222 . PMID 15070403 .
- ^ Cokol M, Nair R, Rost B (ноябрь 2000 г.). «Нахождение сигналов ядерной локализации» . EMBO Reports . 1 (5): 411–5. DOI : 10.1093 / embo-reports / kvd092 . PMC 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. DOI : 10.1093 / NAR / gku366 . PMC 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. DOI : 10.1155 / 2013/398968 . PMC 3732596 . PMID 23971032 .
- ^ Рост Б., Лю Дж. (Июль 2003 г.). «Сервер PredictProtein» . Исследования нуклеиновых кислот . 31 (13): 3300–4. DOI : 10.1093 / NAR / gkg508 . PMC 168915 . PMID 12824312 .
- ^ Рост Б., Ячдав Г., Лю Дж. (Июль 2004 г.). «Сервер PredictProtein» . Исследования нуклеиновых кислот . 32 (выпуск веб-сервера): W321–6. DOI : 10.1093 / NAR / gkh377 . PMC 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. DOI : 10.1093 / NAR / gkp337 . PMC 2703948 . PMID 19433507 .
- ^ Косилка JP (апрель 2005 г.). «PREP-Mt: предсказательный редактор РНК для митохондриальных генов растений» . BMC Bioinformatics . 6 : 96. DOI : 10,1186 / 1471-2105-6-96 . PMC 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. DOI : 10,1186 / 1471-2105-9-80 . PMC 2262056 . PMID 18241343 .
- ^ Хуанг У.Л., Тунг Ч.В., Хуанг Х.Л., Хван С.Ф., Хо С.Ю. (2007). «ProLoc: прогнозирование субядерной локализации белка с помощью SVM с автоматическим отбором по физико-химическим характеристикам состава». Биосистемы . 90 (2): 573–81. DOI : 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. DOI : 10.1093 / NAR / gkq944 . PMC 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. DOI : 10.1093 / NAR / gku401 . ISSN 1362-4962 . PMC 4086068 . PMID 24838562 .
- ^ Банерджи, Приянка; Эккерт, Андреас О; Шрей, Анна К; Прейсснер, Роберт (30.04.2018). «ProTox-II: веб-сервер для предсказания токсичности химических веществ» . Исследования нуклеиновых кислот . 46 (W1): W257 – W263. DOI : 10.1093 / NAR / gky318 . ISSN 0305-1048 . PMC 6031011 . PMID 29718510 .
- ^ Бхасин М., Гарг А., Рагхава Г.П. (май 2005 г.). «PSLpred: прогноз субклеточной локализации бактериальных белков». Биоинформатика . 21 (10): 2522–4. DOI : 10.1093 / биоинформатики / 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. DOI : 10.1093 / биоинформатики / btq249 . PMC 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. DOI : 10.1093 / NAR / gkq1093 . PMC 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. DOI : 10.1093 / NAR / gki027 . PMC 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. DOI : 10.1093 / NAR / gks554 . PMC 3394341 . PMID 22693224 .
- ^ Гуда С., Субраманиам С. (ноябрь 2005 г.). «pTARGET [исправил] новый метод прогнозирования субклеточной локализации белка у эукариот» . Биоинформатика . 21 (21): 3963–9. DOI : 10.1093 / биоинформатики / bti650 . PMID 16144808 .
- ^ Гуда С (июль 2006 г.). «pTARGET: веб-сервер для прогнозирования субклеточной локализации белков» . Исследования нуклеиновых кислот . 34 (выпуск веб-сервера): W210–3. DOI : 10.1093 / NAR / gkl093 . PMC 1538910 . PMID 16844995 .
- ^ Ли Т.Ю., Бо-Кай Хсу Дж, Чанг В.К., Хуанг HD (январь 2011 г.). «RegPhos: система для изучения сети фосфорилирования протеинкиназа-субстрат у человека» . Исследования нуклеиновых кислот . 39 (Выпуск базы данных): D777–87. DOI : 10.1093 / NAR / gkq970 . PMC 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. DOI : 10.1093 / NAR / gkq1233 . PMC 3013742 . PMID 21149264 .
- ^ Eggenhofer F, Tafer H, Stadler PF, Hofacker IL (июль 2011 г.). «RNApredator: быстрое предсказание целей мРНК на основе доступности» . Исследования нуклеиновых кислот . 39 (выпуск веб-сервера): W149–54. DOI : 10.1093 / NAR / gkr467 . PMC 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. DOI : 10.1093 / биоинформатики / btv521 . PMID 26363175 .
- ^ Савохардо К., Мартелли П.Л., Фаризелли П., Касадио Р. (февраль 2017 г.). «SChloro: направление белков Viridiplantae в шесть подкомпартментов хлоропласта» . Биоинформатика . 33 (3): 347–353. DOI : 10.1093 / биоинформатики / btw656 . PMC 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. DOI : 10.1089 / omi.2012.0070 . PMID 23289782 .
- ^ Муни К., Ван Й., Полластри Г. (октябрь 2011 г.). «SCLpred: предсказание субклеточной локализации белка с помощью нейронных сетей N-to-1» . Биоинформатика . 27 (20): 2812–9. DOI : 10.1093 / биоинформатики / btr494 . PMID 21873639 .
- ^ Калил, М; 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 . 36 (11): 3343–3349. DOI : 10.1093 / биоинформатики / btaa156 . hdl : 10197/12182 . PMID 32142105 .
- ^ Бендцен Дж. Д., Йенсен Л. Дж., Блом Н., Фон Хейне Дж. , Брунак С. (апрель 2004 г.). «Прогнозирование на основе признаков неклассической секреции белка без лидера» . Белковая инженерия, дизайн и отбор . 17 (4): 349–56. DOI : 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. DOI : 10,1186 / 1471-2180-5-58 . PMC 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 путем полууправляемого обучения» . Биоинформатика . 31 (7): 1111–9. DOI : 10.1093 / биоинформатики / btu772 . PMC 4382902 . PMID 25414362 .
- ^ Shatkay H, Höglund A, Brady S, Blum T, Dönnes P, Kohlbacher O (июнь 2007 г.). «SherLoc: высокоточное предсказание субклеточной локализации белка путем интеграции текста и данных о последовательности белка» . Биоинформатика . 23 (11): 1410–7. DOI : 10.1093 / биоинформатики / 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. DOI : 10.1093 / NAR / gks1151 . PMC 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. DOI : 10.1093 / биоинформатики / btu550 . PMID 25150248 .
- ^ Ду П, Цао С., Ли И (ноябрь 2009 г.). «SubChlo: прогнозирование местоположения белковых субхлоропластов с псевдоаминокислотным составом и теоретико-доказательный алгоритм K-ближайшего соседа (ET-KNN)». Журнал теоретической биологии . 261 (2): 330–5. DOI : 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. DOI : 10.1093 / NAR / gkn307 . PMC 2447784 . PMID 18499712 .
- ^ Хеккер Н., Ахмед Дж., Фон Эйхборн Дж., Дункель М., Маха К., Экерт А., Гилсон М.К., Борн П.Е., Прейсснер Р. (январь 2012 г.). «SuperTarget становится количественным: обновленная информация о взаимодействиях лекарств и мишеней» . Исследования нуклеиновых кислот . 40 (Выпуск базы данных): D1113–7. DOI : 10.1093 / NAR / gkr912 . PMC 3245174 . PMID 22067455 .
- ^ Гфеллер, Дэвид; Мишелин, Оливье; Зоте, Винсент (17 сентября 2013 г.). «Формирование ландшафта взаимодействия биоактивных молекул» . Биоинформатика . 29 (23): 3073–3079. DOI : 10.1093 / биоинформатики / btt540 . ISSN 1460-2059 . PMID 24048355 .
- ^ Гфеллер, Дэвид; Гросдидье, Орельен; Вирт, Матиас; Дайна, Антуан; Мишелин, Оливье; Зоте, Винсент (2014-05-03). «SwissTargetPrediction: веб-сервер для целевого прогнозирования биоактивных малых молекул» . Исследования нуклеиновых кислот . 42 (W1): W32 – W38. DOI : 10.1093 / NAR / gku293 . ISSN 1362-4962 . PMC 4086140 . PMID 24792161 .
- ^ Лим Э, Пон А., Джумбоу Й., Нокс С., Шривастава С., Го А.С., Неве В., Вишарт Д.С. (январь 2010 г.). «T3DB: всесторонне аннотированная база данных об общих токсинах и их мишенях» . Исследования нуклеиновых кислот . 38 (выпуск базы данных): D781–6. DOI : 10.1093 / NAR / gkp934 . PMC 2808899 . PMID 19897546 .
- ^ Дойл Э.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 целей» . Исследования нуклеиновых кислот . 40 (выпуск веб-сервера): W117–22. DOI : 10.1093 / NAR / gks608 . PMC 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. DOI : 10.1093 / NAR / gkl114 . PMC 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. DOI : 10.1093 / NAR / gkn264 . PMC 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. DOI : 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 для забытых болезней» . Исследования нуклеиновых кислот . 40 (выпуск базы данных): D1118–27. DOI : 10.1093 / NAR / gkr1053 . PMC 3245062 . PMID 22116064 .
- ^ Линь Х, Чен В., Юань Л.Ф., Ли ЗК, Дин Х (июнь 2013 г.). «Использование чрезмерно представленных тетрапептидов для прогнозирования местоположения белковых субмитохондрий». Acta Biotheoretica . 61 (2): 259–68. DOI : 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. DOI : 10.1002 / jcc.10386 . PMID 14978719 . S2CID 3486330 .
- ^ 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. DOI : 10.1093 / NAR / gki367 . PMC 1160128 . PMID 15980447 .
- ^ Крог, Андерс; Ларссон, Бьорн; фон Хейне, Гуннар ; Зоннхаммер, Эрик LL (январь 2001 г.). «Прогнозирование топологии трансмембранного белка с помощью скрытой марковской модели: приложение для полных геномов». Журнал молекулярной биологии . 305 (3): 567–580. DOI : 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.). «Предсказание пептидов, нацеленных на органеллы в эукариотических белках с грамматически-ограниченными скрытыми условными случайными полями» . Биоинформатика . 29 (8): 981–8. DOI : 10.1093 / биоинформатики / btt089 . PMID 23428638 .
- ^ а б 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. DOI : 10.1093 / биоинформатики / 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. DOI : 10.1093 / NAR / gkp1014 . PMC 2808971 . PMID 19933260 .
- ^ Эллис Л. Б., Гао Дж., Феннер К., Wackett LP (июль 2008 г.). "Система прогнозирования пути Университета Миннесоты: прогнозирование метаболической логики" . Исследования нуклеиновых кислот . 36 (выпуск веб-сервера): W427–32. DOI : 10.1093 / NAR / gkn315 . PMC 2447765 . PMID 18524801 .
- ^ Хортон П., Парк К.Дж., Обаяси Т., Фудзита Н., Харада Х., Адамс-Коллиер С.Дж., Накай К. (июль 2007 г.). «WoLF PSORT: предсказатель локализации белка» . Исследования нуклеиновых кислот . 35 (выпуск веб-сервера): W585–7. DOI : 10.1093 / NAR / gkm259 . PMC 1933216 . PMID 17517783 .
- ^ Briesemeister S, Rahnenführer J, Kohlbacher O (июль 2010 г.). «YLoc - интерпретируемый веб-сервер для предсказания субклеточной локализации» . Исследования нуклеиновых кислот . 38 (выпуск веб-сервера): W497–502. DOI : 10.1093 / NAR / gkq477 . PMC 2896088 . PMID 20507917 .
- ^ Blancafort P, Magnenat L, Barbas CF (март 2003 г.). «Сканирование генома человека с помощью комбинаторных библиотек факторов транскрипции». Природа Биотехнологии . 21 (3): 269–74. DOI : 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. DOI : 10.1074 / jbc.M506654200 . PMID 16107335 .
- ^ Драйер Б., Сегал ди-джей, Барбас С.Ф. (ноябрь 2000 г.). «Понимание молекулярного распознавания семейства 5'-GNN-3 'последовательностей ДНК доменами цинкового пальца» . Журнал молекулярной биологии . 303 (4): 489–502. DOI : 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. DOI : 10.1093 / NAR / gkl209 . PMC 1538883 . PMID 16845061 .
- ^ Драйер Б., Бирли Р. Р., Сигал Д. Д., Флиппин Д. Д., Барбас К. Ф. (август 2001 г.). «Разработка доменов цинкового пальца для распознавания семейства 5'-ANN-3 'последовательностей ДНК и их использование в создании искусственных факторов транскрипции» . Журнал биологической химии . 276 (31): 29466–78. DOI : 10.1074 / jbc.M102604200 . PMID 11340073 .
- ^ Сигал DJ, Драйер Б., Беерли Р.Р., Барбас С.Ф. (март 1999 г.). «На пути к произвольному контролю экспрессии генов: отбор и конструирование 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 . DOI : 10.1073 / pnas.96.6.2758 . PMC 15842 . PMID 10077584 .