Journal of Data Mining en génomique et protéomique

Abstrait

Une exploration rapide et fiable de l'univers PDB recherche un nouvel algorithme de recherche de modèles

Sunil Nahata et Ashish Runthala

La prédiction de la structure des protéines quasi natives par le biais de la modélisation basée sur des modèles (TBM) est depuis plusieurs années un objectif réaliste majeur de la biologie structurale. Les algorithmes TBM nécessitent le meilleur ensemble de modèles pour une séquence protéique cible afin de la couvrir au maximum et de construire sa topologie correcte. Cependant, la précision de ces algorithmes de prédiction souffre des problèmes algorithmiques et logiques de nos mesures de recherche de modèles qui ne parviennent pas à filtrer rapidement des structures fiables pour une séquence cible. Dans cette étude, nous utilisons l'ensemble de données PDB95 sélectionné de 41 967 modèles pour prédire les modèles cibles CASP10 T0752 afin d'évaluer l'efficacité des moteurs de recherche habituellement utilisés PSI-BLAST et HHPred. Notre analyse présente une étude détaillée afin d'ouvrir de nouvelles perspectives pour améliorer la précision des méthodologies de prédiction TBM. Elle révèle les faiblesses des mesures de recherche de modèles les plus populaires et fournit ainsi brièvement un aperçu significatif des qualités d'un algorithme de recherche de modèles prévu pour illustrer la nécessité d'un algorithme de recherche de modèles plus fiable.