Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Hirsh Martinez, Layla (2017) Solving the Structural Modeling Problems for Tandem Repeat Proteins. [Ph.D. thesis]

Full text disponibile come:

[img]
Preview
PDF Document
22Mb

Abstract (english)

Over the last decade, numerous studies have demonstrated fundamental importance of tandem repeat proteins (TRP) in many biological processes (Andrade, Perez-Iratxeta, and Ponting 2001). Repeat proteins are a widespread class of non-globular proteins carrying heterogeneous functions involved in several diseases. One of the most frequent problems in the study of biology is the functional characterization of a protein. This problem is usually solved by analyzing the three-dimensional (3D) structure. The experimental determination of the 3D structure is time consuming and technically difficult. For this reason structure prediction by homology modeling offers a fast alternative to experimental approaches. However homology modeling is not feasible for tandem repeat proteins because it is difficult to infer homology due to a high degree of sequence degeneration. In this thesis, I focused on algorithms oriented toward repeat unit prediction, and characterization. I developed an innovative approach, Repeat Protein Unit Predictor (ReUPred), for fast automatic prediction of repeat units and repeat classification, exploiting a Structure Repeat Unit Library (SRUL) derived from RepeatsDB, the core database of TRP. ReUPred is based on the Victor C++ library, an open source platform dedicated to protein structure manipulation. To prove the accuracy of the predictor, we ran it against all the entries in the PDB database and the resulting predictions allowed us to improve and increase RepeatsDB annotation twenty times. During my PhD I have integrated ReUPred prediction into the new version of RepeatsDB (release 2.0) that now features information on start and end positions for the repeat regions and units for all entries. The updated web interface includes a new search engine for complex queries and a fully re-designed entry page for a better overview of structural data. To further improve RepeatsDB quality we decided to provide a finer classification at the subclass level based on the structural conformation of the repeated units. We hypothesized that inside these ensembles it is possible to find subgroups of proteins sharing the same unit type. To prove it, we performed a detailed structural analysis. We created a network where nodes are the units and arcs represent structural similarity. The network can be partitioned in 7 different clusters. For each cluster, it was possible to create a Hidden Markov Model similar to those representing Pfam domains. This analysis is an unpublished work but it already helped to improve ReUPred accuracy and RepeatsDB annotation. To summarize, this work is a partial answer to the problems of TRP modeling and might be helpful during future investigations such as drug design and disease studies.

Abstract (italian)

Nell’ultima decade, numerosi studi hanno dimostrato il ruolo fondamentale svolto dalle proteine ripetute (TRP, tandem repeat proteins) in molti processi biologici (Andrade, Perez-Iratxeta, and Ponting 2001). Quella delle TRP è un’ampia classe di proteine non globulari, caratterizzate da una notevole eterogeneità di funzione e dall’essere coinvolte nella eziogenesi di numerose patologie. Una delle maggiori difficoltà che si incontrano nella moderna biologia è la caratterizzazione funzionale di proteine. Nella pratica standard, questo problema è affrontato analizzandone la struttura cristallografica (3D). Tuttavia, la determinazione della struttura tridimensionale è un processo molto lento e spesso inficiato da difficoltà tecniche. Per questa ragione, le tecniche computazionali di modellazione per omologia spesso offrono una alternativa praticabile all’approccio sperimentale. Tali tecniche però non sono di ausilio nello studio delle TRP. Ciò è dovuto all’impossibilità di poter inferire informazione evolutiva a causa di una ridotta conservazione di sequenza dell’unità ripetuta, a sua volta derivata da un elevato grado di degenerazione della sequenza primaria. In questo elaborato di tesi, mi sono focalizzata sullo sviluppo di un algoritmo orientato alla predizione di unità ripetute in proteine e alla loro caratterizzazione. Qui presento ReUPred (Repeat Protein Unit
Predictor), un algoritmo innovativo per la predizione e caratterizzazione di unità proteiche ripetute basato sulla “libreria di unità strutturali ripetute” (SRUL, Structure Repeat Unit Library) direttamente derivata da RepeatsDB, la risorsa di riferimento per lo studio delle TRP. Architetturalmente, ReUPred è basato sulla libreria VICTOR C++, una piattaforma a sorgente aperto per la manipolazione di strutture proteiche. L’accuratezza del predittore è stata validata analizzando la banca dati PDB e le predizione ottenutene sono state successivamente utilizzate per estendere di venti volte il numero di proteine, correttamente annotate, contenute in RepeatDB. Durante lo svolgimento del mio dottorato ho integrato ReUPpred nella nuova versione di RepeatDB (release 2.0), che grazie a questo lavoro, ora integra informazioni dettagliate sulla posizione di inizio e fine per ogni unità ripetuta contenuta nel catalogo. L’interfaccia utente della banca dati è stata aggiornata implementando un nuovo motore di ricerca che permette ora ricerche semantiche complesse. Inoltre, lo stile grafico delle singole schede è stato ridisegnato per una migliore visualizzazione dei dati strutturali. Al fine di migliorare ulteriormente la qualità dei dati contenuti in RepeatDB è stata fornita una classificazione più dettagliata delle unità strutturali ripetute, fino al livello di sottoclasse. Abbiamo ipotizzato che all’interno di questa raccolta di dati fosse possibile identificare sottogruppi di proteine condividenti la stessa unità strutturale di base. Una dettagliata analisi strutturale è stata condotta al fine di validare questa ipotesi. E’ stata generata una rete in cui le singole unità ripetute vengono visualizzate come nodi interconnessi da archi che rappresentano la similarità strutturale. Ne è emerso che l’intero insieme può essere descritto da sette diversi raggruppamenti. Inspirati dalla rappresentazione dei domini proteici usata nella banca dati Pfam, per ognuno dei raggruppamenti è stato derivato un modello di Markov nascosto (Hidden Markov Model). Questa analisi, al momento in via di completamento, ha già permesso di migliorare l’accuratezza di ReUPred ed il livello di annotazione di RepeatsDB. In sintesi, questo lavoro fornisce una robusta base teorica per il futuro sviluppo di nuove tecniche per la predizione di struttura di TRP e può essere di grande aiuto per la comprensione dei meccanismi alla base di patologie umane e per lo sviluppo di nuovi approcci terapeutici.

Statistiche Download
EPrint type:Ph.D. thesis
Tutor:Tosatto, Silvio S. E.
Supervisor:Piovesan, Damiano
Ph.D. course:Ciclo 29 > Corsi 29 > BIOSCIENZE E BIOTECNOLOGIE
Data di deposito della tesi:17 July 2017
Anno di Pubblicazione:17 July 2017
Key Words:Repeat proteins, Predictor, bioinformatics, RepeatsDB, Database, Proteins manipulation
Settori scientifico-disciplinari MIUR:Area 05 - Scienze biologiche > BIO/10 Biochimica
Area 01 - Scienze matematiche e informatiche > INF/01 Informatica
Struttura di riferimento:Dipartimenti > Dipartimento di Biologia
Codice ID:10441
Depositato il:26 Oct 2018 09:44
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Abraham, Anne-Laure, Eduardo P C Rocha, and Joël Pothier. 2008. “Swelfe: A Detector of Internal Repeats in Sequences and Structures.” Bioinformatics 24 (13): 1536–37. doi:10.1093/bioinformatics/btn234. Cerca con Google

Alberts, Bruce, ed. 2002. Molecular Biology of the Cell. 4th ed. New York: Garland Science. Cerca con Google

Andersen, Niels H. 2001. “Protein Structure, Stability, and Folding. Methods in Molecular Biology. Volume 168 Edited by Kenneth P. Murphy (University of Iowa College of Medicine). Humana Press: Totowa, New Jersey. 2001. Ix + 252 Pp. $89.50. ISBN 0-89603-682-0.” Journal of the American Chemical Society 123 (51): 12933–34. doi:10.1021/ja0152815. Cerca con Google

Andrade, M A, C Perez-Iratxeta, and C P Ponting. 2001. “Protein Repeats: Structures, Functions, and Evolution.” Journal of Structural Biology 134 (2–3): 117–31. doi:10.1006/jsbi.2001.4392. Cerca con Google

Andrade, M A, C Petosa, S I O’Donoghue, C W Müller, and P Bork. 2001. “Comparison of ARM and HEAT Protein Repeats.” Journal of Molecular Biology 309 (1): 1–18. doi:10.1006/jmbi.2001.4624. Cerca con Google

Andrade, M A, C P Ponting, T J Gibson, and P Bork. 2000. “Homology-Based Method for Identification of Protein Repeats Using Statistical Significance Estimates.” Journal of Molecular Biology 298 (3): 521–37. doi:10.1006/jmbi.2000.3684. Cerca con Google

Andreeva, Antonina, Dave Howorth, John-Marc Chandonia, Steven E Brenner, Tim J P Hubbard, Cyrus Chothia, and Alexey G Murzin. 2008. “Data Growth and Its Impact on the SCOP Database: New Developments.” Nucleic Acids Research 36 (Database issue): D419-425. doi:10.1093/nar/gkm993. Cerca con Google

Anfinsen, C. B., John T. Edsall, Frederic M. Richards, and Eddie Morild, eds. 1981. Null. Advances in Protein Chemistry; 34. New York: Academic Press. Cerca con Google

Apic, Gordana, Julian Gough, and Sarah A Teichmann. 2001. “Domain Combinations in Archaeal, Eubacterial and Eukaryotic Proteomes.” Journal of Molecular Biology 310 (2): 311–25. doi:10.1006/jmbi.2001.4776. Cerca con Google

Bairoch, A. 2004. “The Universal Protein Resource (UniProt).” Nucleic Acids Research 33 (Database issue): D154–59. doi:10.1093/nar/gki070. Cerca con Google

Berman, Helen M., John Westbrook, Zukang Feng, Gary Gilliland, T. N. Bhat, Helge Weissig, Ilya N. Shindyalov, and Philip E. Bourne. 2000. “The Protein Data Bank.” Nucleic Acids Research 28 (1): 235–42. doi:10.1093/nar/28.1.235. Cerca con Google

Björklund, Åsa K., Diana Ekman, and Arne Elofsson. 2006. “Expansion of Protein Domain Repeats.” PLoS Computational Biology 2 (8): 0959–70. doi:10.1371/journal.pcbi.0020114. Cerca con Google

Björklund, Asa K., Diana Ekman, and Arne Elofsson. 2006. “Expansion of Protein Domain Repeats.” PLoS Computational Biology 2 (8): e114. doi:10.1371/journal.pcbi.0020114. Cerca con Google

Brunette, T. J., Fabio Parmeggiani, Po-Ssu Huang, Gira Bhabha, Damian C. Ekiert, Susan E. Tsutakawa, Greg L. Hura, John A. Tainer, and David Baker. 2015. “Exploring the Repeat Protein Universe through Computational Protein Design.” Nature 528 (7583): 580–84. doi:10.1038/nature16162. Cerca con Google

Chevanne, Damien, Sven J Saupe, Corinne Clavé, and Mathieu Paoletti. 2010. “WD-Repeat Instability and Diversification of the Podospora Anserina Hnwd Non-Self Recognition Gene Family.” BMC Evolutionary Biology 10 (1): 134. doi:10.1186/1471-2148-10-134. Cerca con Google

Crooks, G. E. 2004. “WebLogo: A Sequence Logo Generator.” Genome Research 14 (6): 1188–90. doi:10.1101/gr.849004. Cerca con Google

Cuff, Alison L, Ian Sillitoe, Tony Lewis, Andrew B Clegg, Robert Rentzsch, Nicholas Furnham, Marialuisa Pellegrini-Calace, David Jones, Janet Thornton, and Christine A Orengo. 2011. “Extending CATH: Increasing Coverage of the Protein Structure Universe and Linking Structure with Function.” Nucleic Acids Research 39 (Database issue): D420-426. doi:10.1093/nar/gkq1001. Cerca con Google

Di Domenico, Tomás, Emilio Potenza, Ian Walsh, R. Gonzalo Parra, Manuel Giollo, Giovanni Minervini, Damiano Piovesan, et al. 2014a. “RepeatsDB: A Database of Tandem Repeat Protein Structures.” Nucleic Acids Research 42 (Database issue): D352-357. doi:10.1093/nar/gkt1175. Cerca con Google

Domenico, Tomás Di, Emilio Potenza, Ian Walsh, R. Gonzalo Parra, Manuel Giollo, Giovanni Minervini, Damiano Piovesan, et al. 2014b. “RepeatsDB: A Database of Tandem Repeat Protein Structures.” Nucleic Acids Research 42 (Database issue): D352-357. doi:10.1093/nar/gkt1175. Cerca con Google

Espada, R., R. G. Parra, M. J. Sippl, T. Mora, A. M. Walczak, and D. U. Ferreiro. 2015. “Repeat Proteins Challenge the Concept of Structural Domains.” Biochemical Society Transactions 43 (5): 844–49. doi:10.1042/BST20150083. Cerca con Google

Finn, R. D., J. Clements, and S. R. Eddy. 2011. “HMMER Web Server: Interactive Sequence Similarity Searching.” Nucleic Acids Research 39 (suppl): W29–37. doi:10.1093/nar/gkr367. Cerca con Google

Finn, Robert D., Teresa K. Attwood, Patricia C. Babbitt, Alex Bateman, Peer Bork, Alan J. Bridge, Hsin-Yu Chang, et al. 2017. “InterPro in 2017-beyond Protein Family and Domain Annotations.” Nucleic Acids Research 45 (D1): D190–99. doi:10.1093/nar/gkw1107. Cerca con Google

Forrer, Patrik, H. Kaspar Binz, Michael T. Stumpp, and Andreas Plückthun. 2004. “Consensus Design of Repeat Proteins.” ChemBioChem 5 (2): 183–89. doi:10.1002/cbic.200300762. Cerca con Google

Fournier, David, Gareth A. Palidwor, Sergey Shcherbinin, Angelika Szengel, Martin H. Schaefer, Carol Perez-Iratxeta, and Miguel A. Andrade-Navarro. 2013. “Functional and Genomic Analyses of Alpha-Solenoid Proteins.” PLoS ONE 8 (11): e79894. doi:10.1371/journal.pone.0079894. Cerca con Google

Fu, Limin, Beifang Niu, Zhengwei Zhu, Sitao Wu, and Weizhong Li. 2012. “CD-HIT: Accelerated for Clustering the next-Generation Sequencing Data.” Bioinformatics (Oxford, England) 28 (23): 3150–52. doi:10.1093/bioinformatics/bts565. Cerca con Google

Gamma, Erich, ed. 1995. Design Patterns: Elements of Reusable Object-Oriented Software. Addison-Wesley Professional Computing Series. Reading, Mass: Addison-Wesley. Cerca con Google

Gemayel, Rita, Marcelo D. Vinces, Matthieu Legendre, and Kevin J. Verstrepen. 2010. “Variable Tandem Repeats Accelerate Evolution of Coding and Regulatory Sequences.” Annual Review of Genetics 44 (1): 445–77. doi:10.1146/annurev-genet-072610-155046. Cerca con Google

George, Richard A., and Jaap Heringa. 2000. “The REPRO Server: Finding Protein Internal Sequence Repeats through the Web.” Trends in Biochemical Sciences 25 (10): 515–17. doi:10.1016/S0968-0004(00)01643-1. Cerca con Google

Grant, C. E., T. L. Bailey, and W. S. Noble. 2011. “FIMO: Scanning for Occurrences of a given Motif.” Bioinformatics 27 (7): 1017–18. doi:10.1093/bioinformatics/btr064. Cerca con Google

Grove, Tijana Z, Aitziber L Cortajarena, and Lynne Regan. 2008. “Ligand Binding by Repeat Proteins: Natural and Designed.” Current Opinion in Structural Biology 18 (4): 507–15. doi:10.1016/j.sbi.2008.05.008. Cerca con Google

Heger, A, and L Holm. 2000. “Rapid Automatic Detection and Alignment of Repeats in Protein Sequences.” Proteins 41 (2): 224–37. Cerca con Google

Higgs, Paul G., and Teresa K. Attwood. 2005. Bioinformatics and Molecular Evolution. Malden, MA: Blackwell Pub. Cerca con Google

Hirsh, L., D. Piovesan, M. Giollo, C. Ferrari, and S. C. E. Tosatto. 2015. “The Victor C++ Library for Protein Representation and Advanced Manipulation.” Bioinformatics 31 (7): 1138–40. doi:10.1093/bioinformatics/btu773. Cerca con Google

Hirsh, Layla, Damiano Piovesan, Lisanna Paladin, and Silvio C. E. Tosatto. 2016. “Identification of Repetitive Units in Protein Structures with ReUPred.” Amino Acids 48 (6): 1391–1400. doi:10.1007/s00726-016-2187-2. Cerca con Google

Höcker, Birte. 2014. “Design of Proteins from Smaller Fragments — Learning from Evolution.” Current Opinion in Structural Biology, Membranes / Engineering and design, 27 (August): 56–62. doi:10.1016/j.sbi.2014.04.007. Cerca con Google

Hrabe, Thomas, and Adam Godzik. 2014. “ConSole: Using Modularity of Contact Maps to Locate Solenoid Domains in Protein Structures.” BMC Bioinformatics 15: 119. doi:10.1186/1471-2105-15-119. Cerca con Google

Javadi, Yalda, and Laura S Itzhaki. 2013. “Tandem-Repeat Proteins: Regularity plus Modularity Equals Design-Ability.” Current Opinion in Structural Biology 23 (4): 622–31. doi:10.1016/j.sbi.2013.06.011. Cerca con Google

Jorda, J., and A. V. Kajava. 2009. “T-REKS: Identification of Tandem REpeats in Sequences with a K-meanS Based Algorithm.” Bioinformatics 25 (20): 2632–38. doi:10.1093/bioinformatics/btp482. Cerca con Google

Jorda, Julien, Bin Xue, Vladimir N Uversky, and Andrey V Kajava. 2010. “Protein Tandem Repeats - the More Perfect, the Less Structured.” The FEBS Journal 277 (12): 2673–82. doi:10.1111/j.1742-464X.2010.07684.x. Cerca con Google

Kajava, A. V. 2001. “Review: Proteins with Repeated Sequence--Structural Prediction and Modeling.” Journal of Structural Biology 134 (2–3): 132–44. doi:10.1006/jsbi.2000.4328. Cerca con Google

Kajava, Andrey V. 2012. “Tandem Repeats in Proteins: From Sequence to Structure.” Journal of Structural Biology 179 (3): 279–88. doi:10.1016/j.jsb.2011.08.009. Cerca con Google

Kajava, Andrey V. 2012. “Tandem Repeats in Proteins: From Sequence to Structure.” Journal of Structural Biology, Structural Bioinformatics, 179 (3): 279–88. doi:10.1016/j.jsb.2011.08.009. Cerca con Google

Katti, Mukund V., R. Sami-Subbu, Prabhakar K. Ranjekar, and Vidya S. Gupta. 2000. “Amino Acid Repeat Patterns in Protein Sequences: Their Diversity and Structural-Functional Implications.” Protein Science 9 (6): 1203–9. doi:10.1110/ps.9.6.1203. Cerca con Google

Kobe, B., and A. V. Kajava. 2000. “When Protein Folding Is Simplified to Protein Coiling: The Continuum of Solenoid Protein Structures.” Trends in Biochemical Sciences 25 (10): 509–15. Cerca con Google

Kobe, Bostjan, and Andrey V. Kajava. 2000. “When Protein Folding Is Simplified to Protein Coiling: The Continuum of Solenoid Protein Structures.” Trends in Biochemical Sciences 25 (10): 509–15. doi:10.1016/S0968-0004(00)01667-4. Cerca con Google

Konagurthu, Arun S, James C Whisstock, Peter J Stuckey, and Arthur M Lesk. 2006. “MUSTANG: A Multiple Structural Alignment Algorithm.” Proteins 64 (3): 559–74. doi:10.1002/prot.20921. Cerca con Google

Lee, Robin van der, Marija Buljan, Benjamin Lang, Robert J. Weatheritt, Gary W. Daughdrill, A. Keith Dunker, Monika Fuxreiter, et al. 2014. “Classification of Intrinsically Disordered Regions and Proteins.” Chemical Reviews 114 (13): 6589–6631. doi:10.1021/cr400525m. Cerca con Google

Liao, Daiqing. 1999. “Concerted Evolution: Molecular Mechanism and Biological Implications.” The American Journal of Human Genetics 64 (1): 24–30. doi:10.1086/302221. Cerca con Google

Marco Milán et al. n.d. “JAK/STAT Controls Organ Size and Fate Specification by Regulating Morphogen Production and Signalling.” Nature Communications. http://www.nature.com/articles/ncomms13815. Vai! Cerca con Google

Marcotte, E M, M Pellegrini, T O Yeates, and D Eisenberg. 1999. “A Census of Protein Repeats.” Journal of Molecular Biology 293 (1): 151–60. doi:10.1006/jmbi.1999.3136. Cerca con Google

Marcotte, Edward M., Matteo Pellegrini, Ho-Leung Ng, Danny W. Rice, Todd O. Yeates, and David Eisenberg. 1999. “Detecting Protein Function and Protein-Protein Interactions from Genome Sequences.” Science 285 (5428): 751–53. doi:10.1126/science.285.5428.751. Cerca con Google

Metalloproteins: Structural Aspects. 1991. Advances in Protein Chemistry 42. San Diego: Acad. Press. Cerca con Google

Murray, Kevin B, Denise Gorse, and Janet M Thornton. 2002. “Wavelet Transforms for the Characterization and Detection of Repeating Motifs.” Journal of Molecular Biology 316 (2): 341–63. doi:10.1006/jmbi.2001.5332. Cerca con Google

Murray, Kevin B, William R Taylor, and Janet M Thornton. 2004. “Toward the Detection and Validation of Repeats in Protein Structure.” Proteins 57 (2): 365–80. doi:10.1002/prot.20202. Cerca con Google

Newman, Aaron M, and James B Cooper. 2007. “XSTREAM: A Practical Algorithm for Identification and Architecture Modeling of Tandem Repeats in Protein Sequences.” BMC Bioinformatics 8 (1): 382. doi:10.1186/1471-2105-8-382. Cerca con Google

Paladin, Lisanna, Layla Hirsh, Damiano Piovesan, Miguel A. Andrade-Navarro, Andrey V. Kajava, and Silvio C.E. Tosatto. 2016. “RepeatsDB 2.0: Improved Annotation, Classification, Search and Visualization of Repeat Protein Structures.” Nucleic Acids Research, November. doi:10.1093/nar/gkw1136. Cerca con Google

Pearl, Frances, Annabel Todd, Ian Sillitoe, Mark Dibley, Oliver Redfern, Tony Lewis, Christopher Bennett, et al. 2005. “The CATH Domain Structure Database and Related Resources Gene3D and DHS Provide Comprehensive Domain Family Information for Genome Analysis.” Nucleic Acids Research 33 (Database issue): D247-251. doi:10.1093/nar/gki024. Cerca con Google

Pellegrini, Marco. 2015. “Tandem Repeats in Proteins: Prediction Algorithms and Biological Role.” Frontiers in Bioengineering and Biotechnology 3 (September). doi:10.3389/fbioe.2015.00143. Cerca con Google

Pellegrini, Marco, Maria Elena Renda, and Alessio Vecchio. 2012. “Ab Initio Detection of Fuzzy Amino Acid Tandem Repeats in Protein Sequences.” BMC Bioinformatics 13 (Suppl 3): S8. doi:10.1186/1471-2105-13-S3-S8. Cerca con Google

Piovesan, Damiano, Giovanni Minervini, and Silvio C. E. Tosatto. 2016. “The RING 2.0 Web Server for High Quality Residue Interaction Networks.” Nucleic Acids Research, May, gkw315. doi:10.1093/nar/gkw315. Cerca con Google

Privileged Scaffolds in Medicinal Chemistry: Design, Synthesis, Evaluation. 2016. RSC Drug Discovery. Cambridge, England: Royal Society of Chemistry. Cerca con Google

Raven, Peter H. 2014. Biology. Tenth edition. New York, NY: McGraw-Hill. Cerca con Google

Sabarinathan, R., Raunak Basu, and K. Sekar. 2010. “ProSTRIP: A Method to Find Similar Structural Repeats in Three-Dimensional Protein Structures.” Computational Biology and Chemistry 34 (2): 126–30. doi:10.1016/j.compbiolchem.2010.03.006. Cerca con Google

Schüler, Andreas, and Erich Bornberg-Bauer. 2016. “Evolution of Protein Domain Repeats in Metazoa.” Molecular Biology and Evolution 33 (12): 3170–82. doi:10.1093/molbev/msw194. Cerca con Google

Soding, J., M. Remmert, and A. Biegert. 2006. “HHrep: De Novo Protein Repeat Detection and the Origin of TIM Barrels.” Nucleic Acids Research 34 (Web Server): W137–42. doi:10.1093/nar/gkl130. Cerca con Google

Sunyaev, S. R., F. Eisenhaber, I. V. Rodchenkov, B. Eisenhaber, V. G. Tumanyan, and E. N. Kuznetsov. 1999. “PSIC: Profile Extraction from Sequence Alignments with Position-Specific Counts of Independent Observations.” Protein Engineering 12 (5): 387–94. Cerca con Google

Szklarczyk, Radek, and Jaap Heringa. 2004. “Tracking Repeats Using Significance and Transitivity.” Bioinformatics 20 Suppl 1 (August): i311-317. doi:10.1093/bioinformatics/bth911. Cerca con Google

Tompa, Peter. 2002. “Intrinsically Unstructured Proteins.” Trends in Biochemical Sciences 27 (10): 527–33. Cerca con Google

Tompa, Peter, Monika Fuxreiter, Christopher J Oldfield, Istvan Simon, A Keith Dunker, and Vladimir N Uversky. 2009. “Close Encounters of the Third Kind: Disordered Domains and the Interactions of Proteins.” BioEssays: News and Reviews in Molecular, Cellular and Developmental Biology 31 (3): 328–35. doi:10.1002/bies.200800151. Cerca con Google

Tosatto, Silvio C E. 2005. “The Victor/FRST Function for Model Quality Estimation.” Journal of Computational Biology 12 (10): 1316–27. doi:10.1089/cmb.2005.12.1316. Cerca con Google

Tosatto, Silvio C. E., Alessandro Albiero, Alessandra Mantovan, Carlo Ferrari, Eckart Bindewald, and Stefano Toppo. 2006. “Align: A C++ Class Library and Web Server for Rapid Sequence Alignment Prototyping.” Current Drug Discovery Technologies 3 (3): 167–73. Cerca con Google

Tosatto, Silvio C E, Eckart Bindewald, Jürgen Hesser, and Reinhard Männer. 2002. “A Divide and Conquer Approach to Fast Loop Modeling.” Protein Engineering 15 (4): 279–86. Cerca con Google

Tosatto, Silvio CE, and Roberto Battistutta. 2007. “TAP Score: Torsion Angle Propensity Normalization Applied to Local Protein Structure Evaluation.” BMC Bioinformatics 8 (May): 155. doi:10.1186/1471-2105-8-155. Cerca con Google

Touw, Wouter G., Coos Baakman, Jon Black, Tim A. H. te Beek, E. Krieger, Robbie P. Joosten, and Gert Vriend. 2015. “A Series of PDB-Related Databanks for Everyday Needs.” Nucleic Acids Research 43 (D1): D364–68. doi:10.1093/nar/gku1028. Cerca con Google

Verstrepen, Kevin J, An Jansen, Fran Lewitter, and Gerald R Fink. 2005. “Intragenic Tandem Repeats Generate Functional Variability.” Nature Genetics 37 (9): 986–90. doi:10.1038/ng1618. Cerca con Google

Viet, Phuong Do, Daniel B. Roche, and Andrey V. Kajava. 2015. “TAPO: A Combined Method for the Identification of Tandem Repeats in Protein Structures.” FEBS Letters 589 (19 Pt A): 2611–19. doi:10.1016/j.febslet.2015.08.025. Cerca con Google

Walsh, Ian, Francesco G. Sirocco, Giovanni Minervini, Tomás Di Domenico, Carlo Ferrari, and Silvio C. E. Tosatto. 2012. “RAPHAEL: Recognition, Periodicity and Insertion Assignment of Solenoid Protein Structures.” Bioinformatics 28 (24): 3257–64. doi:10.1093/bioinformatics/bts550. Cerca con Google

Wang, Guoli, and Roland L. Dunbrack. 2004. “Scoring Profile-to-Profile Sequence Alignments.” Protein Science 13 (6): 1612–26. doi:10.1110/ps.03601504. Cerca con Google

Wit, Joris de, Weizhe Hong, Liqun Luo, and Anirvan Ghosh. 2011. “Role of Leucine-Rich Repeat Proteins in the Development and Function of Neural Circuits.” Annual Review of Cell and Developmental Biology 27: 697–729. doi:10.1146/annurev-cellbio-092910-154111. Cerca con Google

Wright, Caroline F., Sarah A. Teichmann, Jane Clarke, and Christopher M. Dobson. 2005. “The Importance of Sequence Diversity in the Aggregation and Evolution of Proteins.” Nature 438 (7069): 878–81. doi:10.1038/nature04195. Cerca con Google

Zhang, Y., and J. Skolnick. 2005. “TM-Align: A Protein Structure Alignment Algorithm Based on the TM-Score.” Nucleic Acids Research 33 (7): 2302. Cerca con Google

Zhang Y, and Skolnick J. 2005. “TM-Align: A Protein Structure Alignment Algorithm Based on the TM-Score.” Nucleic Acids Res 33 (7): 2302–2309. doi:10.1093/nar/gki524. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record