Кіріспе
Белгінің жасушада қайда орналасатынын болжау
Protein subcellular localization prediction (or just protein localization prediction) involves the prediction of where a protein resides in a cell, its subcellular localization. In general, prediction tools take as input information about a protein, such as a protein sequence of amino acids, and produce a predicted location within the cell as output, such as the nucleus, Endoplasmic reticulum, Golgi apparatus, extracellular space, or other organelles. The aim is to build tools that can accurately predict the outcome of protein targeting in cells. Prediction of protein subcellular localization is an important component of bioinformatics based prediction of protein function and genome annotation, and it can aid the identification of drug targets.
Белгінің жасушалық локализациясын болжау (немесе просто белгі локализациясын болжау) белгінің жасушадағы орналасуын, оның жасушалық локализациясын анықтауды қамтиды. Әдетте, болжау құралдары белгі туралы ақпаратты, мысалы, аминоқышқылдар тізбегін кіріс ретінде қабылдайды және нәтиже ретінде ядро, эндоплазмалық тор, Гольджи аппараты, жасушадан тыс кеңістік немесе басқа органеллалар сияқты жасуша ішіндегі болжамды орналасқан жерін шығарады. Мақсаты – жасушалардағы белгіні таңдау нәтижесін дәл болжауға мүмкіндік беретін құралдар құру. Белгінің жасушалық локализациясын болжау – биоинформатикаға негізделген белгі функциясын және геномдық аннотацияны болжаудың маңызды бөлігі болып табылады және ол жаңа дәрілік мақсаттарды анықтауға көмектеседі.
Protein subcellular localization prediction (or just protein localization prediction) involves the prediction of where a protein resides in a cell, its subcellular localization. In general, prediction tools take as input information about a protein, such as a protein sequence of amino acids, and produce a predicted location within the cell as output, such as the nucleus, Endoplasmic reticulum, Golgi apparatus, extracellular space, or other organelles. The aim is to build tools that can accurately predict the outcome of protein targeting in cells. Prediction of protein subcellular localization is an important component of bioinformatics based prediction of protein function and genome annotation, and it can aid the identification of drug targets.
Өмірбаян
Белсенің жасуша ішіндегі орналасуын анықтау эксперименттік жолмен еңбектеп, көп уақытты алуы мүмкін. Орналасуын флуоресценттік микроскоп арқылы көру үшін иммунобелгілеу немесе таңбалау (мысалы, жасыл флуоресцентті ақуызбен) көбінесе қолданылады. Жоғары өнімді балама ретінде болжауды пайдалануға болады. Компьютерлік ғылымдағы жаңа тәсілдерді дамыту және белгілі орналасуы бар ақуыздардың деректер жиынтығының артуының нәтижесінде, есептеу құралдары қазір көптеген организмдер үшін жылдам және дәл орналасу болжамдарын ұсына алады. Осының арқасында жасуша ішіндегі орналасуды болжау биоинформатика мен машиналық оқытудың сәтті қолдауымен шешілетін мәселелердің біріне айналды. Көптеген болжау әдістері қазір ақуыздың жасуша ішіндегі орналасуын анықтау үшін кейбір жоғары өнімді зертханалық әдістердің дәлдігінен басып өтеді. Атап айтқанда, бір уақытта екі немесе одан да көп жасуша ішіндегі орналасуда болуы немесе олардың арасында қозғалуы мүмкін ақуыздармен жұмыс істеуге арналған болжаушылар жасалды. Болжамдалған орналасуды растау үшін әдетте эксперименттік тексеру қажет.
Құралдар
1999 жылы PSORT субклеткалық локализацияны болжауға арналған алғашқы жарияланған бағдарлама болды. Кейіннен жасанды нейрондық желілер, қолдау векторлық машина және белок мотивтері сияқты техникаларды пайдалана отырып, бірнеше құралдар мен веб-сайттар жарық көрді. Болжаушылар әртүрлі организмдердегі ақуыздарға қатысты мамандануы мүмкін. Олардың кейбіреулері эукариоттық ақуыздарға, кейбіреулері адам ақуыздарға, ал кейбіреулері өсімдік ақуыздарға арналған. Бактериялық локализацияны болжау әдістері және олардың дәлдігі туралы шолу жасалды. 2021 жылы жасанды нейрондық желілермен жұмыс істейтін мембраналық ақуызды болжау құралы SCLpred MEM жарияланды. SCLpred EMS – тағы бір құрал, ол ақуыздарды эндомембраналық жүйеге және секреторлық жолға (EMS) қарсы басқа барлық түрлерге жасанды нейрондық желілер арқылы жіктеуге мүмкіндік береді. Сол сияқты, Light Attention машиналық оқыту әдістерін қолдана отырып, он түрлі кең таралған субклеткалық локацияны болжайды. Ақуыздың субклеткалық локациясын болжаудың дамуы екі толық шолу мақаласында қысқаша баяндалған. Жақындағы құралдар мен тәжірибелік деректер Meinken және Min (2012) жариялаған соңғы мақалада кездеседі.
Қолдану
Белгінің жасуша ішіндегі орналасуын білу, дәрі табу процесінде мақсатты анықтауды едәуір жақсарта алады. Мысалы, секрецияланатын және плазмалық мембрана ақуыздары, олардың жасушадан тыс кеңістікте немесе жасуша бетінде орналасуына байланысты, дәрілік молекулаларға оңай қол жетімді болады. Бактерия жасуша бетінің және секрецияланатын ақуыздары вакциналық үміткерлер ретінде немесе диагностикалық мақсаттар үшін де қызығушылық тудырады. Кейбір аурулардың, мысалы, қатерлі ісік және Альцгеймер ауруының жасушаларында ақуыздардың жасуша ішіндегі қалыптан тыс орналасуы байқалған. Ерекше ортада тіршілік ете алатын кейбір археялардың секрецияланатын ақуыздары өнеркәсіптік маңызы бар. Болжамдау арқылы, қажетті жерге жеткізілетін үміткерлерді анықтау үшін көптеген ақуыздарды бағалауға болады.
Деректер қоры
Ұяшық ішіндегі локализацияны болжау нәтижелері деректер базаларында сақталуы мүмкін. Мысалдарға көп түрлерге арналған Compartments дерекқоры, FunSecKB2 саңырауқұлақтар дерекқоры, PlantSecKB өсімдіктер дерекқоры, MetazSecKB жануарлар мен адамдар дерекқоры және ProtSecKB протестер дерекқоры жатады.