| Refresh | This website es.stringtranslate.com/MiniMotif%20Miner/Minimotif_Miner is currently offline. Cloudflare's Always Online™ shows a snapshot of this web page from the Internet Archive's Wayback Machine. To check for the live version, click Refresh. |
Minimotif Miner es un programa y una base de datos diseñados para identificar minimotivos en cualquier proteína. [2] [3] [4] Los minimotivos son secuencias peptídicas cortas y contiguas que se sabe que tienen una función en al menos una proteína. Los minimotivos también se denominan motivos de secuencia o motivos lineales cortos o SLiM. Estos generalmente están restringidos a un elemento de estructura secundaria y tienen una longitud de menos de 15 aminoácidos.
Las funciones pueden ser motivos de unión que se unen a otra macromolécula o compuesto pequeño, que inducen una modificación covalente del minimotivo o que están involucradas en el tráfico de proteínas de la proteína que contiene el minimotivo. La premisa básica de Minimotif Miner es que si se sabe que una secuencia de péptidos corta tiene una función en una proteína, puede tener una función similar en otra proteína de consulta. La versión actual de la base de datos MnM 3.0 tiene aproximadamente 300 000 minimotivos y se pueden buscar en el sitio web.
Hay dos flujos de trabajo que son de interés para los científicos que utilizan Minimotif Miner: 1) Al introducir cualquier proteína de consulta en Minimotif Miner, se obtiene una tabla con una lista de secuencias y funciones de minimotif que tienen un patrón de secuencia que coincide con la secuencia de consulta de proteína. Estas proporcionan nuevas funciones potenciales en la consulta de proteína. 2) Al utilizar la función de visualización de polimorfismo de un solo nucleótido (SNP), los SNP de dbSNP se asignan en la ventana de secuencia. Un usuario puede seleccionar cualquier conjunto de SNP y luego identificar cualquier minimotif que se introduzca o elimine por el SNP o la mutación. Esto ayuda a identificar minimotifs involucrados en la generación de diversidad de organismos o aquellos que pueden estar asociados con una enfermedad.
Los resultados típicos de MnM predicen más de 50 nuevos minimotivos para una consulta de proteínas. Una limitación importante en este tipo de análisis es que la baja complejidad de secuencia de los minimotivos cortos produce predicciones de falsos positivos en las que la secuencia aparece en una proteína por casualidad y no porque contenga la función predicha. MnM 3.0 presenta una biblioteca de filtros y heurísticas avanzadas que permiten una gran reducción de las predicciones de falsos positivos. Estos filtros utilizan la complejidad de los minimotivos, la ubicación de la superficie de la proteína, los procesos moleculares, los procesos celulares, las interacciones proteína-proteína y las interacciones genéticas. Recientemente combinamos todas estas heurísticas en un único filtro compuesto que supone un avance significativo hacia la solución de este problema con una alta precisión en la predicción de minimotivos, medida mediante un estudio de evaluación comparativa del rendimiento que evaluó tanto la sensibilidad como la especificidad.