Resumen

La pupilación, una de las modificaciones postraduccionales más importantes de las proteínas, suele tener lugar cuando la proteína procariota similar a la ubiquitina (Pup) se une a residuos de lisina específicos de una proteína diana. La identificación de los sustratos de pupilación y sus correspondientes sitios facilitará la comprensión del mecanismo molecular de la pupilación. En comparación con los métodos experimentales, que requieren mucho trabajo y tiempo, la predicción computacional de los sitios de pupilación es muy deseable por su comodidad y rapidez. En este estudio, se desarrolló una nueva herramienta bioinformática llamada EnsemblePup que utilizaba un conjunto de clasificadores de máquina de vectores de soporte para predecir los sitios de pupilación. Lo más destacado de EnsemblePup fue utilizar la extracción de características Bi-profile Bayes como esquema de codificación. El rendimiento de EnsemblePup se midió con una sensibilidad del 79,49%, una especificidad del 82,35%, una precisión del 85,43% y un coeficiente de correlación de Matthews de 0,617 utilizando la validación cruzada de cinco veces en el conjunto de datos de entrenamiento. Cuando se comparó con otros métodos existentes en un conjunto de datos de referencia, EnsemblePup ofreció un mejor rendimiento predictivo, con una sensibilidad del 80,00%, una especificidad del 83,33%, una precisión del 82,00% y un coeficiente de correlación de Matthews de 0,629. Los resultados experimentales sugieren que EnsemblePup presentado aquí podría ser útil para identificar y anotar sitios potenciales de pupilación en proteínas de interés. Se desarrolló un servidor web para predecir sitios de pupilación.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:ensemblepup, coeficiente de correlación de matthews, sitios de pupilación, extracción de características de perfil bayes, clasificadores de máquina de vectores soporte, mejor rendimiento predictivo, validación cruzada de pliegues, modificaciones postraduccionales importantes, nueva herramienta bioinformática, sitios potenciales de pupilación.
• Keywords:ensemblepup, matthews correlation coefficient, pupylation sites, profile bayes feature extraction, support vector machine classifiers, better predictive performance, fold cross validation, important posttranslational modifications, new bioinformatics tool, potential pupylation sites