Back to Search
Start Over
Comparative analysis of nuclear localization signal (NLS) prediction methods
Comparative analysis of nuclear localization signal (NLS) prediction methods
- Source :
- Biopolymers and Cell, Vol 33, Iss 2, Pp 147-154 (2017)
- Publication Year :
- 2017
- Publisher :
- National Academy of Sciences of Ukraine, Institute of Molecular Biology and Genetics, 2017.
-
Abstract
- Aim. Comparative analysis of six state-of-the-art nuclear localization signal (NLS) prediction methods (PSORT II, NucPred, cNLSMapper, NLStradamus, NucImport and seqNLS). Methods. Each program was tested for correct predictions using a dataset of 155 experimentally determined NLSs and for false-positives using a dataset of 155 transmembrane proteins, which putatively lack NLS. Results. The most suitable NLS predictors wer fond to be NucPred, NLStradamus and seqNLS; these programs provide the maximum rate of correct to wrong predictions among the tested programs. However, the best results obtained by these programs were only ~ 45 % of the correct predictions. Conclusion. The identification of novel NLSs by predictors still requires experimental verification. Мета. Ідентифікація сигналів ядерної локалізації (NLS) в амінокислотній послідовності білків за допомогою експериментальних методів залишається коштовним і тривалис процесом. Тому в останній час велику популярність отримали комп'ютерні методи прогнозування NLS. Методи. В даній статті ми провели порівняльний аналіз достовірності прогнозування NLS шести різних програм (PSORT II, NucPred, cNLSMapper, NLStradamus, NucImport та SeqNLS). Для кожного алгоритма було оцінена доля істинно позитивних прогнозів на вибірки з 155 експериментально визначених NLS з 128 білків людини, а також частку помилкових подій у вибірці з 155 трансмембранних білків людини, які, як видно, позбавлені NLS. Результати. Найбільшу кількість вірно прогнозованих NLS при найменшій частці хибнопозитивних результатів було отримано для трьох програм: NucPred, NLStradamus та seqNLS. Однак навіть при набільшій ступені достовірності дані алгоритми прогнозують вірно не більше 45 % експериментально визначених NLS. Висновки. Використання будь-яких алгоритмів прогнозування NLS вимагає експериментальної перевірки отриманих результатів. Цель. Идентификация сигналов ядерной локализации (NLS) в аминокислотной последовательности белка экспериментальными методами остается дорогостоящим и долгим процессом. Поэтому в последнее время большую популярность получили компьютерные методы предсказания NLS. Методы. В данной статье мы провели сравнительный анализ достоверности предсказания NLS шести различных программ (PSORT II, NucPred, cNLSMapper, NLStradamus, NucImport и SeqNLS). Для каждого алгоритма была оценена доля истинно положительных предсказаний на выборке из 155 экспериментально определенных NLS из 128 человеческих белков, а также доля ложноположительных предсказаний на выборке из 155 трансмембранных белков человека, которые, предположительно, лишены NLS. Наибольшее количество правильно предсказанных NLS при наименьшей доле ложноположительных результатов было получено для трех программ: NucPred, NLStradamus и seqNLS. Однако даже при наибольшей степени достоверности данные алгоритмы предсказывают правильно не более 45% экспериментально определенных NLS, т.е. использование любых алгоритмов предсказания NLS требует экспериментальной проверки получаемых результатов.
- Subjects :
- 0301 basic medicine
Bioinformatics
Chemistry
QH301-705.5
prediction
QH426-470
nuclear localization signal
General Biochemistry, Genetics and Molecular Biology
03 medical and health sciences
030104 developmental biology
Prediction methods
Genetics
NLS
Biology (General)
Biological system
Nuclear localization sequence
Subjects
Details
- Language :
- English
- ISSN :
- 19936842 and 02337657
- Volume :
- 33
- Issue :
- 2
- Database :
- OpenAIRE
- Journal :
- Biopolymers and Cell
- Accession number :
- edsair.doi.dedup.....d8847403415063882052f2ba933e8f8e