配套设备

建议使用计算机
> 128 GiB RAM和> 150 G iB 免费存储空间
Linux（> 3.10）或SUSE Linux Enterprise Server 12

软体类

PSI-BLAST （> v2.9）
生成氨基酸序列的PSSM

下载URL：https ://blast.ncbi.nlm.nih.gov/Blast.cgi?CMD=Web&PAGE_TYPE=BlastDocs&DOC_TYPE =下载（最后访问日期：2020-02-22）
安装文档URL：https：//www.ncbi .nlm.nih.gov /书籍/ NBK279690 /

TM-align （> v20190822）（Zh ang和Skolnick，2005）
生成同源物的结构比对

下载和安装文档URL：https ://zhanglab.ccmb.med.umich.edu/TM-align/（最后访问日期：2020-02-22）

实现：源代码库中提供了源代码和安装文档。下载
URL：https : //github.com/shuichiro-makigaki/exmachina/archive/master.zip
安装过程：https : //github.com/shuichiro- makigaki / exmachina＃使用方法
（最后访问日期：2020-02-22）
Python 3.6：存储库中列出了必需的python软件包。
FLANN（Muja和Lowe，2009年）：k- 最近的邻居实现。安装过程还包含FLANN安装文档。
蛋白质结构分类（SCOP）数据库
SCOP数据库根据手动选择的功能/结构分类对蛋白质进行分类，折叠，超家族（SF），家族和域分类，并包含冗余序列，因此，我们使用SCOP40数据库，该数据库仅包含序列同一性< 40的域％以避免过度拟合并减少执行时间。

下载URL：https ://scop.berkeley.edu/astral/pdbstyle/ver=1.75（最后访问日期：2020-02-22）

UniRef （The UniProt Consortium，2016）数据库
对于特定位置计分矩阵（PSSM）生成，我们使用了具有三重迭代的PSI-BLAST（Altschul 等，1997）和UniRef90数据库。

下载URL：https ://www.uniprot.org/downloads#unireflink（最后访问日期：2020-02-22）

程序

主要目的的训练阶段是产生ķ -NN模型，该模型将被用于替换分数预测在预测和排列生成阶段。在预测阶段包括分数的预测和调整Generatio N. 图1显示的概述的方法。更详细的一步步命令和实施例可在源代码库（Https://Github.Com/shuichiro-makigaki/exmachina）。

图1. 建议方法概述

模型训练
下载SCOP40数据库。
通过TM-align生成同一SF中每个域对的结构比对。
只有对，选择的TM-分数是≥ 0.5。
通过带有UniRef90数据库的三迭代PSI-BLAST生成域的PSSM。
生成训练数据和标签。
作为超参数，窗口大小为5。

通过随机抽样将训练数据集减少到1/10。
因为原始训练数据集变得太大，无法在合理的计算时间内进行处理。

将训练数据集和标签保存为FLANN可接受的数据格式。

分数预测和序列比对生成
准备两个同源氨基酸序列
作为当前的限制，我们的实现期望输入是亚结构域，当蛋白质由多个结构域组成时，应将其拆分为结构域。正常情况下，可以通过同源性检测预测结构域区域。

通过带有UniRef90数据库的三迭代PSI-BLAST生成每个序列的PSSM。
预测每个残基对的所有取代分数。
查询向量格式与训练阶段相同，并且k -NN的分类分数直接用于替换分数。
超参数为，窗口大小为5，而数字邻居是1 ，000。
保存预测的替代得分矩阵。
通过在Biopython （https://biopython.org/）中实现的Smith-Waterman算法生成局部序列比对。
在动态编程期间，将预测的替代分数用于分数计算。

致谢

这项工作得到了JSPS KAKENHI [18K11524] 和（Makigaki and Ishida，2019 ）的支持。

竞争利益

作者宣称没有利益冲突。

参考文献

描述于Altschul ，SF，劲爆，TL，SCH 一个FFER ，AA，张，J.，张，Z.，米勒，W.和Lipman，DJ（1997）。缺口BLAST和PSI-BLAST：新一代蛋白质数据库搜索。节目核酸研究25（17）：3389-3402。
Boratyn ，GM，谢弗，AA，阿嘎瓦拉，R.，描述于Altschul ，SF，李普曼，DJ和Madden，TL（2012）。域增强查找时间加速BLAST。生物化学直接7：12。
Cao，R.，Bhattacharya，D.，Hou，J.和Cheng，J.（2016）。DeepQA ：利用深度信念网络改进对单个蛋白质模型质量的估计.BMC Bioinformatics 17（1）：495。
柯普，J.，Bordoli ，L.，Battey ，JN，基弗，F。和Schwede ，T.（2007）。评估CASP7预测对于基于模板的建模目标蛋白质69增刊8：38-56。
Lyons，J.，Dehzangi ，A.，Heffernan，R.，Sharma，A.，Paliwal ，K.，Sattar，A。，Zhou，Y.和Yang，Y.（2014）。从中预测骨架Calpha 角和二面角堆积稀疏自动编码器深度神经网络的蛋白质序列。J Comput Chem 35（28）：2040-2046。
Makigaki ，S.和Ishida，T.（2019）。使用机器学习进行序列比对，以进行基于模板的准确蛋白质结构预测。生物信息学。
Manavalan ，B.和Lee，J.（2017）。基于支持向量机SVMQA :.蛋白单一模式的质量评估生物信息学33（16）：2496年至2503年。
Muhammed，MT和Aki-Yalcin，E.（2019）。药物发现中的同源建模：概述，当前应用和未来展望。Chem Biol Drug Des 93（1）：12-20。
Muja，M和Lowe，D.（2009）。快速近似近邻通过自动算法配置。在Muja M.和Lowe D. （EDS）。VISAPP国际计算机视觉理论与应用。里斯本，葡萄牙，2月5日-8，2009-卷1。
所述的UniProt 协会（2016）。的UniProt ：通用蛋白质知识库核酸研究45（D1）：D158-D169。
Wang，S.，Peng，J.，Ma，J. and Xu，J.（2016）。使用深度卷积神经场预测蛋白质二级结构 .Sci Rep 6：18962。
王，S.，太阳，S，李，Z.，张河和徐，J.（2017）。准确的从头预测蛋白质关联图通过超深学习模式。公共科学图书馆COMPUT 生物学13（1）：e1005324。
Wei，L. and Zou，Q.（2016）。基于机器学习的蛋白质折叠识别方法的最新进展。Int J Mol Sci 17（12）。
wwPDB财团。（2018）。蛋白质数据库：3D大分子结构数据的唯一全球档案馆，核酸研究47（D1）：D520-D528。
Zhang，Y。和Skolnick，J。（2005）.TM- align：基于TM得分的蛋白质结构比对算法， Nucleic Acids Res 33（7）：2302-2309。
Zimmermann，L.，Stephens，A.，Nam，SZ，Rau，D.，Kubler，J.，Lozajic ，M.，Gabler，F.，Soding ，J.，Lupas ，AN和Alva，V.（2018）。一个完全重新实现MPI生物信息学工具包与新的HHpred 服务器为核心，分子生物学杂志430（15）：2237年至2243年。