Proteinfunktionsvorhersage

AHRD entfernt Beschreibungen, die Hinweise auf eine vorherige Annotationsübertragung enthalten, da die Beschreibung so nah wie möglich an der Primärquelle sein sollte. Danach werden die Beschreibungen in ihre Wörter zerlegt, die im Folgenden als Token bezeichnet werden. Token, von denen bekannt ist, dass sie allen Arten von Proteinbeschreibungen gemeinsam sind und allgemein als nicht informativ angesehen werden, werden ignoriert. Alle anderen punkten durch ihre Fülle an Beschreibungen von Proteinen mit einem hohen Bit-Score-Suchergebnis, einer guten Alignment-Überlappung und einem Ursprung in einer vertrauenswürdigen Datenbank. Anschließend können die Beschreibungskandidaten nach ihren Tokens geordnet werden und das beste Ergebnis kann für die Annotationsübergabe an die Abfrage verwendet werden.

Frühere Versionen von AHRD haben GO-Annotationen von Referenzproteinen ausschlielich auf Basis der Eigenschaft ihrer für Menschen lesbaren Beschreibungen bewertet. Um die GO-Term-Annotationsleistung von AHRD zu verbessern, haben wir ein Kandidatenprotein-Scoring-Verfahren implementiert, das direkt auf GO-Annotationen basiert. Aber für die Vorhersage von GO-Begriffen ist es genauso wichtig, elektronisch übertragene Proteinannotationen zu vermeiden, wie für die Beschreibungsvorhersage. Wir unterziehen daher die Kandidaten-Referenzproteine ​​für die Annotation mit GO-Begriffen den gleichen Filterschritten, die an den Beschreibungskandidaten durchgeführt werden. Das von AHRD verwendete GO-Begriffsannotationsverfahren profitiert auch von Qualitätsindikatoren, die in der Beschreibung menschenlesbarer Beschreibungen ermittel werden. GO-Begriffe werden danach bewertet, wie oft sie in den Annotationen von Proteinen gefunden werden, die unter die folgenden Kriterien fallen: Sie stammen aus kuratierten Datenbanken, sie haben einen hohen Suchwert (in Bezug auf die Suchanfrage), sie haben eine gute Alignment-Überlappung mit der Abfrage und sind mit experimentellen Beweiscodes annotiert. Das Kandidatenprotein mit der GO-Term-Annotation mit der höchsten Punktzahl wird dann für die Übertragung der Funktion auf die Abfrage verwendet.