基于通用相似度量的压缩比仍产生远异于 CATH 距离的蛋白质距离
定量方法
2011-11-10 v2 计算工程、金融与科学
数据分析、统计与概率
其他定量生物学
摘要
Kolmogorov 复杂度启发了若干基于压缩长度比较的无比对距离度量，其已成功应用于许多领域。其中一种度量，即所谓通用相似度量（USM），已被 Krasnogor 和 Pelta 用于比较简单的蛋白质接触图，表明其在四个小数据集上产生了良好的聚类。我们报告了使用更大且具代表性的蛋白质数据集对该度量的广泛测试：即 Sierk 和 Pearson 用于评估七种蛋白质结构比较方法和两种蛋白质序列比较方法所用结构域数据集。一个结果是，当使用这些简单接触图时，Krasnogor-Pelta 方法的域判别能力低于 Sierk 和 Pearson 所考虑的任一方法。在另一测试中，我们发现基于 USM 的距离与 Sierk 和 Pearson 相同基准的 CATH 树结构一致性低。无论如何，其一致性低于标准序列比对方法 SSEARCH 的一致性。最后，我们手动发现了数据库中大量小子集，使用 SSEARCH 比 USM 聚类更好，以确认 Krasnogor-Pelta 的结论基于过小的数据集。
引用
@article{arxiv.q-bio/0603007,
title = {Compression ratios based on the Universal Similarity Metric still yield protein distances far from CATH distances},
author = {Jairo Rocha and Francesc Rosselló and Joan Segura},
journal= {arXiv preprint arXiv:q-bio/0603007},
year = {2011}
}
备注
11 pages; It replaces the former "The Universal Similarity Metric does not detect domain similarity." This version reports on more extensive tests