このデータベースについて

Sequence Classification

データ説明

データ名

DOI

10.18908/lsdba.nbdc00713-002

データ内容の説明

ゲノムの各アミノ酸配列に対し、統計的手法と機械学習を使って、β-バレル型膜タンパク質またはヘリックス型膜タンパク質の判別を行った結果の一覧。統計的手法はアミノ酸、ジペプチド（連続２残基）、モチーフ（１残基ギャップを挟んだ２残基）の組成（出現頻度）に基づいて行い、機械学習はアミノ酸やジペプチドの組成を主な特徴量として用いて行った。

データファイル

データファイル名 :

tmbeta_genome_sequence_classification.zip

データのURL :

https://dbarchive.biosciencedbc.jp/data/tmbeta-genome/LATEST/tmbeta_genome_sequence_classification.zip

ファイルサイズ :

177 MB

簡易検索URL

http://togodb.biosciencedbc.jp/togodb/view/tmbeta_genome_sequence_classification

データ取得方法

アミノ酸配列はNCBIから取得。

解析方法

データ件数

903,989 件

データ詳細

項目名	項目の説明
Sequence ID	独自にアミノ酸配列に付与した通し番号
Sequence Collection ID	独自にゲノムに付与した通し番号
New Approach	新たに開発した手法により、β-バレル型膜タンパク質の判別を行った結果。本手法は以下のステップで実行される。 β-バレル型膜タンパク質と球状タンパク質のジペプチドの出現傾向を用い、β-バレル型膜タンパク質を検出するさらに、β-バレル型膜タンパク質とヘリックス型膜タンパク質のジペプチドの出現傾向を用い、β-バレル型膜タンパク質を絞り込む配列長が50以下のタンパク質を除く SOSUIで膜貫通ヘリックス部位が2箇所以上予測されたタンパク質を除く 80%の配列領域において、PDBに登録されている球状タンパク質とヘリックス型膜タンパク質に対し、70%を超える同一性のあるタンパク質を除く SWISS-PROTに登録されている球状タンパク質とヘリックス型膜タンパク質に対し、80%を超える同一性のあるタンパク質を除く
SOSUI	膜タンパク質予測ツールであるSOSUIを使い、ヘリックス型膜タンパク質の判別を行った結果
Amino Acid	アミノ酸組成を使った統計的手法（TMBETADISC-COMP）により、β-バレル型膜タンパク質の判別を行った結果
Dipeptide	ジペプチドの出現傾向を使った統計的手法（TMBETADISC_DIPEPTIDE）により、β-バレル型膜タンパク質の判別を行った結果
Motif	上記のモチーフを使った統計的手法（TMBETADISC-MOTIF）により、β-バレル型膜タンパク質の判別を行った結果
SVM	アミノ酸組成とジペプチド出現傾向をSVM（Support Vector Machine）で機械学習を行った分類器（TMBETA-SVM）を使い、β-バレル型膜タンパク質の判別を行った結果
Header	FASTAファイルに記載されたアミノ酸配列データのヘッダ行
Sequence	アミノ酸配列