Towards Reliable Automatic Protein Structure Alignment
结构相似性计算方法有多种，称为结构对齐或结构叠加。现有的结构对齐算法的一个主要缺点是基于局部结构相似性的固有设计。在这项工作中，我们提出了一种方法，将全球信息在获得最佳的路线和叠加。我们的方法，当应用于优化TM分数和GDT分数，产生显着更好的结果比目前国家的最先进的蛋白质结构比对工具。具体来说，如果TMalign发现的最高TM分数低于（0.6），而其中一种测试方法发现的最高TM分数高于（0.5），则TMalign无法找到高于（0.5）的TM分数的概率为（42%），而如果使用我们的方法，则相同的概率降低到（2%）。如果使用（0.5）的截止TM分数，这可以显著提高折叠检测的准确性。此外，现有的结构比对算法只关注结构相似性，而简单地忽略了其他重要的相似性，如序列相似性。我们的方法有能力将多个相似性的评分功能。结果表明，序列相似性有助于找到高质量的蛋白质结构比对，更一致的眼睛检查比对在HOMSTRAD。即使当结构相似性本身未能找到任何一致性与眼睛检查的路线，我们的方法仍然能够找到路线高度相似，甚至相同，眼睛检查的路线。
2013-07-30 q-bio.QM
From Protein Interactions to Functional Annotation: Graph Alignment in Herpes
序列比对形成了通过系统发育比较进行功能注释的许多方法的基础，但是在高序列差异和短基因长度的“黄昏”区域变得不可靠。在这里，我们进行了两个疱疹病毒，VZV和KSHV，与一个混合的方法称为图形对齐的跨物种比较。该方法是基于共同的蛋白质相互作用网络的相似性和序列相似性。在我们的比对中，我们发现开放阅读框的相互作用相似性与低水平的序列相似性一致，从而证实了进化关系。此外，我们发现高水平的开放阅读框之间的相互作用相似性，没有任何可检测的序列相似性。从该比对得到的功能预测与基因组位置和基因表达数据一致。
2007-07-09 q-bio.MN q-bio.QM
A Space-Efficient Approach towards Distantly Homologous Protein Similarity Searches
蛋白质相似性搜索是分子生物学家的一项常规工作，其中需要将氨基酸的查询序列与不断增长的蛋白质数据库进行比较和排名。该领域中所有可用的算法可以分为两类，要么通过动态规划使用序列比对来解决问题，要么采用某些启发式措施来进行初始筛选，然后将最佳序列比对算法应用于最接近的匹配候选者。虽然第一种方法具有巨大的时间和空间需求，但后一种方法可能会错过一些与查询序列远相关的蛋白质序列。在本文中，我们提出了一个启发式的成对序列比对算法，可以有效地用于蛋白质数据库搜索中等规模的数据库。所提出的算法是足够快，适用于短查询序列的数据库搜索，具有恒定的辅助空间的要求，产生良好的对齐，是足够敏感的，甚至远相关的蛋白质链，可能感兴趣的返回。
2015-08-25 cs.CE q-bio.QM
A statistical physics perspective on alignment-independent protein sequence comparison
在生物信息学中，氨基酸序列的文本比对长期以来一直主导着蛋白质之间相似性的确定，所有这些都意味着共享的结构，功能和进化血统。尽管现代序列比对算法相对成功，但所谓的无重复比对方法提供了确定和表达相似性的补充手段，在某些关键应用中具有潜在益处，例如蛋白质结构-功能研究的回归分析，其中重复碱基相似性表现不佳。在这里，我们提供了一个新的，基于统计物理学的角度，专注于无干扰比较的问题，在这个过程中，从“第一次通过概率分布”的结果，总结总体平均氨基酸倾向值的统计。在这篇文章中，我们介绍和阐述这种方法。
2016-02-09 q-bio.BM q-bio.QM
Toward the regularization of E value from BLAST similarity search into a dissimilarity measure as distance function, and the metrication of protein sequence space
本文探讨了将BLAST相似性搜索中的E值正则化为差异度测量的方法，以改进跨比较和数据库应用中的序列比对和子集选择。
2026-06-29 q-bio.BM q-bio.QM
Hashing for Protein Structure Similarity Search
National Key Laboratory for Novel Software Technology（计算机软件新技术国家重点实验室）；Department of Computer Science and Technology（计算机科学与技术学院）；Nanjing University（南京大学）
针对蛋白质结构相似性搜索中实值向量方法成本高且精度不足的问题，提出蛋白质结构哈希方法POSH，通过学习二值向量表示并引入人工特征与结构编码器建模节点边交互，实现了更高的搜索准确率，同时内存节省超六倍、速度提升超四倍。
2024-11-13 cs.AI cs.LG q-bio.QM
ChemBoost: A chemical language based approach for protein-ligand binding affinity prediction
Boğaziçi University（博阿齐奇大学）；F. Hoffmann-La Roche AG（F.霍夫曼-拉罗切股份公司）
高亲和力药物-靶标相互作用的鉴定是药物发现中的主要研究问题。蛋白质通常由其结构或序列表示。然而，结构仅适用于一小部分生物分子，并且序列相似性并不总是与功能相似性相关。我们提出了ChemBoost，一种基于化学语言的方法，使用SMILES语法进行亲和力预测。我们假设SMILES是一种编码语言，配体是由化学词组成的文档。这些文档可用于学习化学词向量，这些化学词向量表示具有相似向量的相似上下文中的词。在ChemBoost中，配体通过化学词嵌入表示，而蛋白质通过其配体的基于序列的特征和/或化学词表示。我们的目标是将SMILES中的模式作为一种语言来处理，以预测蛋白质-配体亲和力，即使我们无法从序列中推断出功能。我们使用eXtreme梯度提升来预测KIBA和BindingDB数据集中的蛋白质-配体亲和力。ChemBoost能够预测药物-靶标结合亲和力，以及或优于最先进的机器学习系统。当使用以配体为中心的表示时，ChemBoost对蛋白质序列相似性的变化更鲁棒，并成功捕获了蛋白质和配体之间的相互作用，即使蛋白质与配体的已知靶点具有较低的序列相似性。
2020-12-18 cs.LG q-bio.QM stat.ML
A new protein binding pocket similarity measure based on comparison of 3D atom clouds: application to ligand prediction
动机：预测已知蛋白质的配体对于理解蛋白质的结构-功能关系、预测分子功能或设计新的药物具有重要意义。结果：我们探索了一种新的配体预测方法，其中结合口袋由原子云表示。将每个靶口袋与已知配体的口袋的集合进行比较。口袋在3D空间中对齐，进一步使用点云之间的卷积核。配体预测的新方法的性能相比，其他可用的措施和对接程序。我们讨论了两个标准来比较相似性度量的质量：ROC曲线下面积（AUC）和基于分类的分数。我们表明，后者更适合于评估配体预测的方法。我们对现有和新的基准测试的结果表明，新方法优于其他方法，包括对接。可用性：新方法可在http://cbio.ensmp.fr/paris/上获得联系人：mikhail. mines-paristech.fr
2009-07-09 q-bio.BM q-bio.QM stat.ML
Compression ratios based on the Universal Similarity Metric still yield protein distances far from CATH distances
Kolmogorov复杂性激发了几种基于压缩长度比较的无压缩距离度量，这些度量已成功应用于许多领域。其中一种测量方法，即所谓的通用相似性度量（USM），已被Krasnogor和Pelta用于比较简单的蛋白质接触图，表明它在四个小数据集上产生了良好的聚类。我们使用一个更大的和有代表性的蛋白质数据集：Sierk和Pearson使用的域数据集来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，报告了一个广泛的测试。一个结果是，Krasnogor-Pelta方法具有较低的域判别能力比任何一个方法考虑Sierk和Pearson时，使用这些简单的接触地图。在另一个测试中，我们发现基于USM的距离与Sierk和Pearson的相同基准的CATH树结构具有较低的一致性。在任何情况下，它的协议是低于一个标准的顺序比对方法，SNOW。最后，我们手动找到了数据库中许多小的子集，这些子集使用Sort比USM更好地聚类，以证实Krasnogor-Pelta的结论是基于太小的数据集。
2006-10-20 cs.CE physics.data-an q-bio.OT
Global alignment of protein-protein interaction networks by graph matching methods
排列不同物种的蛋白质-蛋白质相互作用（PPI）网络最近引起了相当大的兴趣。这个问题对于研究物种间进化保守的途径或蛋白质复合物，以及通过检测保守的相互作用来帮助鉴定功能性直系同源物是重要的。然而，这是一个困难的组合问题，只有启发式方法已提出到目前为止。我们重新制定的PPI对齐作为一个图形匹配问题，并研究如何国家的最先进的图形匹配算法可以用于此目的。我们区分两个比对问题，这取决于是否严格限制蛋白质匹配，基于序列相似性，或者目标是找到一个最佳的折衷序列相似性和相互作用之间的保守性的比对。我们提出了新的方法，这两种情况下，并评估其性能的酵母和苍蝇PPI网络的对齐。新方法始终优于最先进的算法，特别是在给定的序列相似性水平下，检索比IsoRank多78%的保守相互作用。可用性：http：//cbio.ensmp.fr/proj/graphm\_graphm/，可根据要求提供其他数据和代码。联系人：jean-philippe. mines-paristech.fr
2009-05-07 math.CO math.OC q-bio.MN
The effectiveness of position- and composition-specific gap costs for protein similarity searches
隐马尔可夫模型（Hidden Markov Models，HRM）在空位代价上的灵活性有望使其比位置特异性评分矩阵（Position-Specific Scoring Matrix，PSSM）具有更好的检索精度。我们试图通过分别检查位置和组成特定间隙分数的影响，以及将使用迭代程序构建的PSSM的检索准确性与Pfam和SUPERFAMILY提供的隐马尔可夫模型的检索准确性进行比较，来量化更一般间隙参数的影响。多重比对的策划集合。我们发现，位置特定的差距处罚有一个优势，统一的差距成本。我们没有探索优化每个查询的不同均匀间隙成本。对于Pfam，从基于HMM共有序列的种子迭代构建的PSSM与调整为具有恒定间隙转移概率的Hacks表现相当，尽管具有大得多的方差。我们没有观察到组合特定的差距成本检索性能的影响。
2008-01-16 q-bio.BM q-bio.QM
Quasi-metrics, Similarities and Searches: aspects of geometry of protein datasets
准度量是满足三角不等式但不对称的距离函数：它可以被认为是非对称度量。本论文的中心结果，在第3章中发展，是一个自然的对应关系之间存在的生物（核苷酸或蛋白质）序列和准度量之间的相似性措施。第二章介绍了拟距离空间理论的基本概念，并介绍了一个新的例子：泛可数有理拟距离空间及其双完备性，泛双完备可分拟距离空间。第4章致力于发展具有Borel概率测度的拟度量空间或pq-空间的概念。本章的主要结果表明，“高维拟度量空间接近于度量空间”。第五章研究了数据库相似性搜索理论的几何方面。关于$pq$ -空间的结果被用来产生新的理论界的索引方案的性能。最后，本文介绍了一些生物应用。第6章介绍了FSIndex，这是一种索引方案，可以显著加速短蛋白质片段数据集的相似性搜索。第七章介绍了用于发现短功能蛋白质基序的系统PFMFind的原型，该系统依赖于FSIndex进行相似性搜索。
2008-10-30 cs.IR math.GN q-bio.QM
Prediction of residue-residue contacts from protein families using similarity kernels and least squares regularization
City University of Hong Kong（香港城市大学）
本文提出一种快速准确的残基-残基接触预测方法，利用正则化最小二乘法计算残基间的部分相关性，以提高预测精度。
2014-04-25 cs.NA math.NA q-bio.BM
Protein sequence classification using natural language processing techniques
University of Sussex（萨塞克斯大学）
本研究利用NLP技术进行蛋白质序列分类，比较多种机器学习与深度学习模型，发现投票分类器与ProtBERT性能最佳，并强调基于ECOD家族的划分对评估泛化能力至关重要。
2025-05-22 cs.LG q-bio.QM
PFMFind: a system for discovery of peptide homology and function
蛋白质片段基序搜索（PFMFind）是一种能够使用相似性搜索有效发现蛋白质序列的短片段之间的关系的系统。它支持基于得分矩阵和PSSM的查询，通过类似于PSI-BLAST的迭代过程获得。PSSM构造可以通过Python编写的插件进行自定义。PFMFind由GUI客户端、使用索引进行快速相似性搜索的算法和用于存储搜索结果和序列注释的关系数据库组成。它主要是用Python编写的。所有组件都使用TCP/IP套接字进行通信，并且可以位于不同的物理机器上。
2013-05-16 q-bio.GN q-bio.QM
Insights into performance evaluation of com-pound-protein interaction prediction methods
National Institute for Biotechnology and Genetic Engineering（国家生物技术与基因工程研究所）；Colorado State University（科罗拉多州立大学）；University of Warwick（华威大学）
动机：基于机器学习的化合物-蛋白质相互作用（CPI）预测对于药物设计、筛选和再利用研究是重要的，并且可以提高湿实验室测定的效率和成本效益。尽管近年来发表了许多报告CPI预测因子的研究论文，但我们观察到实验设计中存在一些基本问题，导致对模型性能的估计过于乐观。结果如下：本文分析了影响CPI预测器泛化性能的几个重要因素，这些因素在现有的研究中被忽略了：1.交叉验证中训练和测试示例之间的相似性2.在没有实验验证的反面例子的情况下，生成反面例子的策略。3.评价方案和性能指标的选择及其与筛选大型化合物库中CPI预测因子的实际使用的一致性。使用现有的最先进的方法（CPI-NN）和提出的基于核的方法，我们发现，CPI预测器的预测性能的评估需要仔细控制训练和测试示例之间的相似性。我们还表明，与现有研究中使用的更复杂的策略相比，随机配对生成用于训练和性能评估的合成负样本的模型具有更好的泛化性能。此外，我们发现，我们的基于内核的方法，尽管其简单的设计，超过CPI-NN的预测性能。我们已经使用所提出的模型进行化合物筛选的几种蛋白质，包括SARS冠状病毒-2刺突蛋白和人类ACE 2蛋白，并发现了强有力的证据，支持其顶部命中。可用性：代码和原始实验结果可在https://github.com/adibayaseen/HKRCPI上获得联系人：Fayyaz. warwick.ac.uk
2022-01-28 cs.LG q-bio.QM
Effective and Efficient Similarity Index for Link Prediction of Complex Networks
对不完整网络（如蛋白质-蛋白质相互作用网络）或进化网络（如网络社会中的友谊网络）中非常可能但尚未存在的链接的预测可以被视为进一步实验的指导方针或对网络用户有价值的信息。在本文中，我们引入了一个局部路径指数来估计两个节点之间的链接存在的可能性。我们提出了一个在生成链接时密度和噪声强度可控的网络模型，并收集了六个真实网络的数据。大量的数值模拟模型的网络和真实的网络证明了高的有效性和效率的本地路径索引相比，两个著名的和广泛使用的索引，共同的邻居和Katz指数。事实上，本地路径索引提供了具有竞争力的准确预测的Katz指数，而需要更少的CPU时间和内存空间，因此，这是一个强大的候选人的潜在的实际应用中的数据挖掘的巨大规模的网络。
2009-08-26 physics.data-an physics.soc-ph q-bio.QM
