Articulo de referencia

Jurado 3D

Captura de pantalla de la interfaz web del servidor meta de predicción de estructuras 3D-Jury, obtenida de la Wayback Machine. 3D-Jury es un metaserver que agrega y compara mode...

Captura de pantalla de la interfaz web minimalista de 3D-Jury, que muestra tres cuadros de texto en el centro, texto cerca de la parte inferior con algunos metadatos del servidor y, en el lado derecho, casillas de verificación de diferentes servidores para usar en el algoritmo.
Captura de pantalla de la interfaz web del servidor meta de predicción de estructuras 3D-Jury, obtenida de la Wayback Machine.

3D-Jury es un metaserver que agrega y compara modelos de varios servidores de predicción de estructura de proteínas . [ 1 ]

El algoritmo 3D-Jury toma grupos de predicciones realizadas por una colección de servidores y asigna a cada par una puntuación 3D-Jury, basada en la similitud estructural. Para mejorar la precisión del modelo final, los usuarios pueden seleccionar los servidores de predicción de los que agregar los resultados. [ 1 ] Los autores de 3D-Jury diseñaron el sistema como un metapredictor porque resultados anteriores concluyeron que la conformación promedio de baja energía de la proteína (a través de la agregación) se ajustaba mejor a la conformación verdadera que simplemente la conformación de menor energía de la proteína. [ 2 ]

El servidor de predicción automática de la estructura de proteínas Robetta incorpora 3D-Jury en su proceso de predicción. [ 3 ]

A partir de enero de 2024, los enlaces a 3D-Jury alojados originalmente por el Instituto BioInfoBank ya no son válidos. [ 4 ]

Algoritmo

Primero, se realizan comparaciones por pares entre cada combinación de modelos generados a partir de servidores de predicción de proteínas seleccionados. Luego, cada comparación se puntúa utilizando la herramienta MaxSub. [ 5 ] La puntuación,simetro(METROa,b,METROi,j){\displaystyle sim(M_{a,b},M_{i,j})}, se genera contando el número de átomos C α en las dos predicciones que se encuentran a menos de 3,5 Å de distancia entre sí después de ser superpuestas .

Para obtener una probabilidad aproximada del 90 % de que dos modelos sean de una clase de pliegue similar, los autores establecieron un umbral de 40 como la puntuación más baja posible para que un par de modelos se anoten como "similares". [ 1 ] Los autores admitieron haber elegido este umbral basándose en un trabajo no publicado.

Hay dos puntuaciones que otorga 3D-Jury: la puntuación del mejor modelo en modo utilizando un modelo de cada servidor (3DJrysinortegramolmi(METROa,b){\displaystyle 3D-Jury-single(M_{a,b})}) y la puntuación de todos los modelos que considera todos los modelos de cada servidor (3DJryall(METROa,b){\displaystyle 3D-Jury-all(M_{a,b})}). [ 1 ]

La puntuación del mejor modelo en modo utilizando un modelo por servidor,3DJrysinortegramolmi(METROa,b){\displaystyle 3D-Jury-single(M_{a,b})}, se calcula como,

3DJrysinortegramolmi(METROa,b)=inortemáximoj,ai O bjnortei(simetro(METROa,b,METROi,j))1+norte{\displaystyle 3D-Jury-single(M_{a,b})={\frac {\sum _{i}^{N}\max _{j,a\neq i{\mbox{ O }}b\neq j}^{N_{i}}(sim(M_{a,b},M_{i,j}))}{1+N}}}

dóndenorte{\displaystyle N}es el número de servidores ynortei{\displaystyle N_{i}}es el número de modelos mejor clasificados (con un máximo de 10) del servidori{\displaystyle i}mientras que se calcula una puntuación de similitud por pares entre los modelos.METROa,b{\displaystyle M_{a,b}}(modelob{\displaystyle b}desde el servidora{\displaystyle a}) yMETROi,j{\displaystyle M_{i,j}}(modeloj{\displaystyle j}desde el servidori{\displaystyle i}). [ 1 ]

Si bien la puntuación del modo de todos los modelos considera todos los modelos de los servidores,3DJryall(METROa,b){\displaystyle 3D-Jury-all(M_{a,b})}, se calcula como,

3DJryall(METROa,b)=inortej,ai O bjnorteisimetro(METROa,b,METROi,j)1+inortenortei{\displaystyle 3D-Jury-all(M_{a,b})={\frac {\sum _{i}^{N}\sum _{j,a\neq i{\mbox{ O }}b\neq j}^{N_{i}}sim(M_{a,b},M_{i,j})}{1+\sum _{i}^{N}N_{i}}}}

utilizando variables similares a las indicadas con la puntuación best-model-mode.

Tenga en cuenta que estas puntuaciones de meta-predictor no consideran las puntuaciones de confianza de cada uno de los modelos de otros servidores. [ 1 ]

Véase también

Referencias

  1. 1 2 3 4 5 6 Ginalski K; et  al. (2003). "3D-Jury: un enfoque simple para mejorar las predicciones de la estructura de proteínas" . Bioinformatics . 19 ( 8): 1015– 1018. doi : 10.1093/bioinformatics/btg124 . ISSN 1367-4803 . OCLC 110817016. PMID 12761065 .   
  2. Bonneau, Richard; Ruczinski, Ingo; Tsai, Jerry; Baker, David (2002). "Orden de contacto y predicción de la estructura de proteínas ab initio" . Protein Science . 11 ( 8): 1937– 1944. doi : 10.1110/ps.3790102 . ISSN 0961-8368 . OCLC 112117834. PMC 2373674. PMID 12142448 .    
  3. Chivian D; et al. (2005). "Predicción de estructuras de CASP6 utilizando protocolos Robetta automatizados" . Proteins . 61 (S7): 157– 166. doi : 10.1002/prot.20733 . PMID 16187358. S2CID 8122486 .   {{cite journal}}: CS1 maint: servicio de archivado obsoleto ( enlace )
  4. "Servidor Meta de BioInfoBank" . Servidor Meta de BioInfoBank . Archivado del original el 13 de enero de 2007. Consultado el 17 de enero de 2024 .
  5. Siew, Naomi; Elofsson, Arne; Rychlewski, Leszek; Fischer, Daniel (2000-09-01). "MaxSub: una medida automatizada para la evaluación de la calidad de la predicción de la estructura de proteínas" . Bioinformatics . 16 ( 9): 776– 785. doi : 10.1093/bioinformatics/16.9.776 . ISSN 1367-4803 . OCLC 121793099. PMID 11108700 .   
  • Interfaz web del servidor meta de BioInfoBank 3D-Jury