シグナルペプチドの改善予測：SignalP 30

古典的に分泌されたタンパク質、Signalpの予測のために現在最も一般的な方法の改善について説明します。SignalPは、ニューラルネットワークと非表示のマルコフモデルアルゴリズムに基づいた2つの異なる予測因子で構成されており、両方のコンポーネントが更新されています。切断部位の位置とシグナルペプチドのアミノ酸組成が相関しているという考えに動機付けられており、新機能はニューラルネットワークへの入力として含まれています。この追加は、新しいデータセットの徹底的なエラー補正と組み合わせて、SignalPバージョン2で予測子のパフォーマンスを大幅に改善しました。バージョン3では、切断部位の予測の正しさは、特に3つの生物グループすべて、真核生物で著しく増加しました。グラム陰性およびグラム陽性の細菌。切断部位の予測の精度は、以前のバージョンの6〜17％の範囲で増加していますが、シグナルペプチドの識別改善は、主に偽陽性予測の排除と、新しい識別スコアの導入によるものです。ニューラルネットワーク。新しい方法は、他の利用可能な方法に対してベンチマークされています。公開されているWebサーバーで予測を行うことができます

We describe improvements of the currently most popular method for prediction of classically secreted proteins, SignalP. SignalP consists of two different predictors based on neural network and hidden Markov model algorithms, where both components have been updated. Motivated by the idea that the cleavage site position and the amino acid composition of the signal peptide are correlated, new features have been included as input to the neural network. This addition, combined with a thorough error-correction of a new data set, have improved the performance of the predictor significantly over SignalP version 2. In version 3, correctness of the cleavage site predictions has increased notably for all three organism groups, eukaryotes, Gram-negative and Gram-positive bacteria. The accuracy of cleavage site prediction has increased in the range 6-17% over the previous version, whereas the signal peptide discrimination improvement is mainly due to the elimination of false-positive predictions, as well as the introduction of a new discrimination score for the neural network. The new method has been benchmarked against other available methods. Predictions can be made at the publicly available web server