序列空间的统计力学性质决定了各种算法从蛋白质共进化中预测相互作用能量和天然接触的效率。
摘要：通过逆Potts模型研究同源序列的进化相关性已被证明在获取残基-残基接触能和预测蛋白质接触方面是有效的。结果的质量很大程度上取决于对于细节模型和算法的多种选择。我们以非常控制的方式构建了具有与真实蛋白质相似统计特性的合成序列，并用它们来评估不同反演算法及其变种的性能。逼真的合成序列展示了无序系统低温相的典型特征，这一特征会影响反演算法。我们表明，Boltzmann-学习算法在预测原生接触能方面是可行的且表现良好。然而，所有算法都同样受到误报的影响，这使得使用不同算法对于原生接触的预测质量很大程度上依赖于系统。
作者：G. Franco, M. Cagiada, G. Bussi, G. Tiana
论文ID：1902.01155
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2019-09-04