IntFOLD
| Utvecklare | Prof Liam McGuffin Dr Recep Adiyaman Dr Bajuna Salehe |
|---|---|
| Stabil frisättning | IntFOLD version 5.0 |
| Förhandsgranska release | IntFOLD version 6.0 |
| Skrivet i | Java, Pytonorm, R |
| Hemsida | https://www.reading.ac.uk/bioinf/IntFOLD/ |
IntFOLD (Integrated Fold Recognition) är helt automatiserad, integrerad pipeline för förutsägelse av 3D-struktur och funktion från aminosyrasekvenser . Pipelinen är lindad och distribuerad som en webbserver . Kärnan i servermetoden är kvalitetsbedömning med hjälp av inbyggda självskattningar för noggrannhet (ASE) som förbättrar prestandan för 3D-modeller med ModFOLD.
Beskrivning
IntFOLD-server tillhandahåller den tertiära strukturförutsägelsen med en konkurrenskraftig noggrannhet och kombinerar banbrytande metoder inklusive IntFOLD-TS för generering av 3D-modeller, ModFOLD för uppskattning av 3D-modellkvalitet, ReFOLD för förfining av 3D-modeller, DisoCLUST för störningsprediktion, DomFOLD för strukturell domän förutsägelse och FunFOLD för förutsägelse av proteinligandbindningsställe. Integrationen av verktygen gör det möjligt för användare att nå all relaterad information i en pipeline. IntFOLD Web Server har slutfört över ~200 000 strukturförutsägelser sedan januari 2010.
Den enda som krävs är en proteinsekvens för att förutsäga proteinets 3D-struktur och funktion. IntFOLD-utgången presenteras via ett användarvänligt gränssnitt för användning av livsforskare. Rådata är också formaterade i Critical Assessment of Methods for Protein Structure Prediction ( CASP) standarder med en detaljerad hjälpsida.
Prestanda i CASP- och CAMEO-experiment
IntFOLD-metoden benchmarkades först i Critical Assessment of Techniques for Protein Structure Prediction 9 (CASP9) och rankades bland de fem bästa. IntFOLD-servern har konsoliderat sin prestanda i följande CASP- experiment
Dess prestanda utvärderas kontinuerligt i CAMEO-experimentet ( Continuous Automated Model Evaluation) .
Tillämpningar av IntFOLD-server
Några av de flera domäner där IntFOLD har tillämpats hittills listas nedan.
Folkhälsan
IntFOLD användes för att generera 3D-modeller av SARS-CoV-2-målen för CASP Commons COVID-19-initiativet och på andra ställen för att påskynda rasen av vacciner och annan terapeutisk utveckling med avseende på COVID-19-pandemin. I andra aspekter av kroniska sjukdomar användes IntFOLD för att modellera HEV PCP, ett väsentligt protein av hepatit E-virus som orsakar hepatit E-sjukdom. Dessutom användes IntFOLD för att modellera störd region av αS2-kaseinproteiner från bovin mjölk som var inblandade i bildningen av amyloidogena fibriller, av vilka några är kända för att vara huvudorsaker till neurodegenerativa sjukdomar
Matsäkerhet
IntFOLD har använts i olika aspekter av livsmedelssäkerhet. Till exempel har det använts för att modellera effektorproteinmolekyler som orsakar svamp i korn. Dessutom har det använts för att modellera flera proteiner som är involverade i funktionen hos nyckelsystem i atlantlax, och HaACBP1-protein, som är avgörande för utveckling och tillväxt av solros, en nyckelväxtväxt som används för produktion av allmänt använd matolja. IntFOLD användes för att modellera kitinproteiner i Podosphaera xanthii, en orsak till svampsjukdom som kallas cucurbit mjöldagg, som hämmar grödans produktivitet.
Bidrag till utveckling av metoder för förutsägelse av proteinstruktur
IntFOLD har använts som en av de standardserverbaserade metoderna för att validera prestandan för några av de nyare metoderna som används för att förutsäga 3D-proteinmodellerna. Detta är viktigt för att utveckla det strukturella bioinformatikområdet .