序列空间的统计力学性质决定从蛋白质共进化预测相互作用能与天然接触各类算法的效率
生物大分子
2019-09-04 v1
摘要
利用逆 Potts 模型研究同源序列比对中的进化关联，已被证明有助于获得残基-残基接触能并预测蛋白质中的接触。结果的质量在很大程度上取决于详细模型的若干选择以及所用算法。我们以非常受控的方式构建了统计性质与真实蛋白质相似的合成比对，并用它们来评估不同反演算法及其变体的性能。现实合成比对展现出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 学习算法在计算上可行，且在预测天然接触能方面表现良好。然而，所有算法都同样受到假阳性的困扰，使得用不同算法预测天然接触的质量高度依赖于系统。
引用
@article{arxiv.1902.01155,
title = {Statistical mechanical properties of sequence space determine the efficiency of the various algorithms to predict interaction energies and native contacts from protein coevolution},
author = {G. Franco and M. Cagiada and G. Bussi and G. Tiana},
journal= {arXiv preprint arXiv:1902.01155},
year = {2019}
}