使用MoRFchibi 2.0预测蛋白质序列中的分子识别特征

《BMC Bioinformatics》：Predicting molecular recognition features in protein sequences with MoRFchibi 2.0

　　

摘要

分子识别特征（MoRFs）是存在于无序蛋白区域（IDRs）中的特定片段，这些片段在与相应配体结合时会发生从无序状态到有序状态的转变。识别MoRFs至今仍是一项重大挑战。本文介绍了MoRFchibi 2.0，这是一种专门用于预测蛋白质序列中MoRFs位置的工具。我们的研究结果表明，MoRFchibi 2.0的性能优于所有现有的MoRF预测模型以及用于预测IDRs中蛋白质结合位点的一般预测模型，包括在“蛋白质内在无序性关键评估”（CAID）第一、二、三轮中表现最佳的模型。值得注意的是，MoRFchibi 2.0甚至超越了那些利用AlphaFold数据及最先进的蛋白质语言模型开发的预测工具，其ROC曲线和精确度-召回率曲线更为优异，成功率也更高。MoRFchibi 2.0通过整合逻辑回归模型和卷积神经网络模型，并根据训练数据中的先验信息对结果进行标准化处理，从而使得每个模型的输出结果都具有可解释性，同时也能与其他采用相同评分框架的工具相互兼容。