단백질 아세포 국산화 예측

단백질 아세포 국산화 예측(또는 단지 단백질 국산화 예측)은 세포 내 단백질이 어디에 있는지 예측하는 것, 즉 세포 아세포 국산화 예측을 포함한다.null

일반적으로 예측 도구는 아미노산의 단백질 염기서열과 같은 단백질에 대한 정보를 입력 정보로 취하며, 핵, 소포체 망막, 골기 기구, 세포외 공간, 기타 오르간과 같은 출력으로 세포 내 예측 위치를 생성한다.세포에서 단백질을 대상으로 하는 결과를 정확하게 예측할 수 있는 도구를 만드는 것이 목적이다.null

단백질 아세포 국산화 예측은 단백질 함수와 게놈 주석 예측에 기반한 생체정보학의 중요한 성분으로 약물 표적 파악에 도움을 줄 수 있다.null

배경

실험적으로 단백질의 세포하위 국산화 여부를 결정하는 것은 힘들고 시간이 많이 걸리는 작업이 될 수 있다.형광현미경을 이용해 국소화를 보는 면역라벨링이나 태깅(녹색 형광 단백질 등)이 자주 사용된다.높은 처리량 대안은 예측을 사용하는 것이다.null

컴퓨터 과학의 새로운 접근법의 개발을 통해, 알려진 국산화 단백질의 증가된 데이터 집합과 결합하여, 계산 도구는 이제 많은 유기체에 빠르고 정확한 국산화 예측을 제공할 수 있다.이것은 생체정보학, 기계학습에 의해 성공적으로 도움을 받는 난제들 중 하나가 되는 세포 이하의 국산화 예측을 초래했다.null

현재 많은 예측 방법이 단백질 아세포 국산화 식별을 위한 일부 고처리 실험실 방법의 정확도를 초과하고 있다.^[1][2][3]특히, 두 개 이상의 서로 다른 세포하위 위치 간에 동시에 존재하거나 이동할 수 있는 단백질을 다루는 데 사용할 수 있는 예측 변수가 개발되었다^[4].예측된 지역화를 확인하기 위해서는 일반적으로 실험 검증이 필요하다.null

도구들

1999년에 PSORT는 세포이하의 국산화 예측을 위한 첫 번째 프로그램이었다.^[5]인공신경망, 지원벡터머신, 단백질 모티브 등의 기법을 이용한 후속 툴과 웹사이트가 출시되었다.예측 변수는 다른 유기체의 단백질에 특화될 수 있다.일부는 진핵 단백질, 일부는 인간 단백질,^[7] 그리고 일부는 식물 단백질에 특화되어 있다.^[6][8]박테리아 국산화 예측 변수의 예측 방법과 그 정확성을 검토하였다.^[9]2021년에는 인공신경망을 이용한 막단백질 예측 툴인 SCLpred-MEM이 발간되었다.^[10] SCLpred-EMS는 인공신경망에 의해 구동되는 또 다른 도구로 단백질을 엔도엠브레인 시스템과 분비 경로(EMS)로 분류한다.^[11]마찬가지로, 빛-관심은 기계 학습 방법을 사용하여 10개의 서로 다른 공통 하위 세포 위치를 예측한다.^[12]null

단백질 아세포 위치 예측의 발달은 두 가지 종합 검토 기사로 요약되었다.^[13][14]최근의 도구와 경험 보고서는 마인켄과 민의 최신 논문(2012년)에서 찾을 수 있다.null

적용

단백질의 세포하위 국산화 지식은 약물 발견 과정에서 표적 식별을 상당히 개선할 수 있다.예를 들어 분비 단백질과 혈장막 단백질은 세포외 공간이나 세포 표면에서 국산화되기 때문에 약물 분자에 의해 쉽게 접근할 수 있다.null

박테리아 세포 표면과 분비 단백질도 백신 후보나 진단 대상으로서의 잠재력에 관심이 있다.단백질의 이상 아세포 국산화 현상은 암이나 알츠하이머병과 같은 여러 질병의 세포에서 관찰되었다.특이한 환경에서 살아남을 수 있는 몇몇 고고학에서 분비된 단백질은 산업적으로 중요한 응용을 가지고 있다.null

예측을 사용함으로써 많은 수의 단백질을 평가하여 원하는 장소로 밀매되는 후보자들을 찾을 수 있다.null

데이터베이스

아세포 로컬리제이션 예측 결과는 데이터베이스에 저장할 수 있다.예로는 다종 데이터베이스 컴파트먼트, FunSecKB2, ^[15]식물 데이터베이스인 PlantSecKB,^[16] 동물 및 인간 데이터베이스인 MetazSecKB,^[17] 원생 데이터베이스인 ProtSecKB 등이 있다.^[18]null

참조

추가 읽기