ToxinPred – 多肽毒性预测、突变设计和理化性质预测

多肽是由多个氨基酸通过肽键连接形成的化合物,是生物体中普遍存在的小分子活性物质,它们作为激素、神经递质、生长因子等参与多种生命活动。近年来,人们对多肽的研究也日渐深入,例如抗菌肽Antibacterial peptides,ABPs)具有广谱抗菌活性,可以快速杀灭革兰氏阳性菌,革兰氏阴性菌,真菌,寄生虫等。Cecropin类抗菌肽作用于细胞膜,可以形成跨膜离子通道,破坏细胞膜完整性,从而杀死细胞;抗癌肽(Anticancer peptides,ACPs)主要通过诱导细胞凋亡、破坏细胞的膜结构,改变细胞周围或细胞内pH以及增强免疫应答等多种机制来抑制癌细胞增殖。


传统的铂类、紫杉醇类等一线肿瘤治疗药物具有毒副作用大,存在多药耐药等缺点,而癌肽生物活性强,特异性高,对正常细胞的毒性较低,更加高效、安全,并且不易在体内聚集。因此抗癌肽是目前抗肿瘤新药研究的一大热点


从生物体中获得抗菌肽,抗癌肽正成为一种流行的多肽筛选方法。例如2022年3月,中科院微生物所发表在Nature Biotechnology上的论文Identification of antimicrobial peptides from the human gut microbiome using deep learning(注:该论文也提及了微生信,大家可以找找看),利用深度学习方法,构建了从人类肠道微生物组挖掘潜在新型抗菌肽的模型,总计挖掘并合成了216种潜在的新型抗菌肽,其中83.8%具有抗菌活性。


无论通过何种方法(质谱、预测等),在好不容易拿到多肽序列后,我们都可以对其进行毒性预测,以确保其对生物体没有毒性,然后再对其进行深入研究,若有毒性,我们可以通过对其氨基酸进行突变的方式,模拟出很多的多肽类似物,并进一步进行挑选和过滤。经过查询,我们找到了一个已经存在快10年的多肽毒性预测和突变设计网络服务器 – ToxinPred。


54afaad5321f15b72e9af714c1ed4e3b.png


这里,我们就带大家来使用下这个在线工具。


     1,打开网站

使用浏览器打开https://webs.iiitd.edu.in/raghava/toxinpred/index.html

88fa127b2b86b75da81c140629e3baf7.png

ToxinPred的主要特征包括:1)设计多肽,利用氨基酸突变设计多肽类似物;2)批量预测多肽是否具有毒性;3)优化多肽序列,找到毒性最小或者最大的多肽;4)预测理化性质。


2,针对一条多肽进行设计

1)点击导航栏的“Design Peptide”,在输入框输入多肽序列,选择参数,包括预测方法,阈值等,然后点击“Run Analysis”按钮。

bf2331698dabb09b268e843e8e62db5a.png


      2)预测和突变设计结果

92092383a9a4515378080566dd29d59b.png


结果上半部分为所提交的多肽的预测结果,Non-Toxin或者Toxin,以及一些理化性质预测结果。

结果下半部分为以所提交的多肽为基础,对其单个氨基酸进行突变后的预测结果,因此可以用来进行多肽设计。


3,多条多肽批量预测

1)点击导航栏的“Batch submission”,在输入框输入N条多肽序列(fasta格式),选择参数,包括预测方法,阈值等,然后点击“Run Analysis”按钮。


974003443a8db270a1cd6ab17eaf5843.png


2)预测结果

b73f474e8f842cdf8b08c56f7ba5fa87.png

结果包括了所提交的5条多肽的预测结果:Non-Toxin或者Toxin,以及一些理化性质预测结果。

使用非常简单,需要阅读原文从而深入了解网络工具背后支撑的数据库,算法的读者可以参考原文:In silico Approach for Predicting Toxicity of Peptides and Proteins. https://doi.org/10.1371/journal.pone.0073957



本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/32785.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

单细胞测序流程(五)t-sne聚类分析和寻找marker基因

系列文章目录 单细胞测序流程(一)简介与数据下载 单细胞测序流程(二)数据整理 单细胞测序流程(三)质控和数据过滤——Seurat包分析,小提琴图和基因离差散点图 单细胞测序流程(四…

突变检测数据分析专题

欢迎关注”生信修炼手册”! 随着NGS测序技术的发展,以WES, WGS, 靶向捕获测序为主的高通量数据分析广泛应用,本文整理了以SNP位点为主的突变检测数据分析资料。 首先是snp calling, 就不得不提gatk及其配套的最佳实践 外显子测序简介GATK4基本概念整理GA…

新冠病毒分型和突变分析(SARS-CoV2_ARTIC_Nanopore)

新冠病毒分型和突变分析(SARS-CoV2_ARTIC_Nanopore) 一. 本文使用Artic官方提供环境对Nanopore minion SARS-Cov-2测序数据,对新冠病毒突变及分型鉴定 二. 概览:按照惯例,先上一张概览图,浏览下分析流程步…

新版TCGA的甲基化数据分析

文章目录 加载数据甲基化差异分析甲基化可视化甲基化旭日图 TCGAbiolinks可以进行甲基化分析,但是功能不如 ChAMP强大,甲基化分析还是首推 ChAMP包。 不过为了了解TCGAbiolinks包,里面关于甲基化分析的部分还是要学习一下。 主要是甲基化差…

转录组-差异基因热图

top_de_exp<-dplyr::slice(de_result2,1:20)%>%#挑取差异最大的select(-c(2:8))%>%#去掉2-8列column_to_rownames(var"id")#列变行 de_result2为上一篇转录组-火山图得到的数据&#xff01; #第一种做图方式 library(pheatmap) pheatmap(log10(top_de_ex…

【bioinfo】二代测序在肿瘤突变检测中的错误来源和解决策略

文章目录 文献摘要NGS工作流程中的错误来源1&#xff09;FFPE样本&#xff1a;2&#xff09;DNA打断&#xff1a;3&#xff09;PCR扩增和聚合酶保真度&#xff1a;4&#xff09;测序平台&#xff1a;5&#xff09;数据分析&#xff1a; NGS工作流错误解决策略使用UID不使用UID …

Cell | 深度突变学习预测SARS-CoV-2受体结合域组合突变对ACE2结合和抗体逃逸的影响...

本文介绍一篇来自于苏黎世联邦理工学院的Joseph M. Taft在Cell上发表的工作——《Deep Mutational Learning Predicts ACE2 Binding and Antibody Escape to Combinatorial Mutations in the SARS-CoV-2 Receptor Binding Domain》。 SARS-CoV-2的持续变异以及对疫苗和中和抗体…

DNA 8. 癌症的突变异质性及寻找新的癌症驱动基因(MutSigCV)

点击关注&#xff0c;桓峰基因 桓峰基因 生物信息分析&#xff0c;SCI文章撰写及生物信息基础知识学习&#xff1a;R语言学习&#xff0c;perl基础编程&#xff0c;linux系统命令&#xff0c;Python遇见更好的你 120篇原创内容 公众号 桓峰基因公众号推出基于基因组变异数…

生物(一)ctDNA突变检测应用于肿瘤早期筛查

原创&#xff1a;yongzhe 提到cfDNA应用于肿瘤早期筛查&#xff0c;是一个充满希望和挑战的问题。目前的热门方向是甲基化&#xff0c;相当多一部分公司以此为研发方向&#xff0c;还包括ctDNA突变检测&#xff0c;cnv检测&#xff0c;CTC&#xff0c;外泌体检测等都在探索研究…

利用GATK4.1 mutect2寻找体细胞突变(SNV和INDEL)

今天梳理一下最最最最(最X100)常用的mutect2体细胞变异分析流程。主要用来分析肿瘤配对样本,寻找体细胞突变比如SNV和INDEL。官网上已经有了详细的英文版教程。 软件版本:GATK4.1.1.0 官网教程:https://gatk.broadinstitute.org/hc/en-us/articles/360035894731-Somatic…

GATK4 最佳实践-生殖细胞突变的检测与识别

欢迎关注"生信修炼手册"&#xff01; GATK4 对于体细胞突变和生殖细胞突变的检测分别给出了对应的pipeline: Germline SNPsIndelsSomatic SNVs Indels 本篇主要关注生殖细胞突变的分析流程Germline SNPsIndels。示意图如下&#xff1a; 图中红色方框部分的从Analysi…

GATK4最佳实践-体细胞突变的检测与识别

欢迎关注"生信修炼手册"&#xff01; 分析体细胞突变时&#xff0c;通常采用tumor_vs_nomal 的实验设计。在检测时&#xff0c;由于同时会检测出生殖细胞突变和体细胞突变&#xff0c;需要做的就是去除生殖细胞突变位点&#xff0c;那么剩下的就是体细胞突变位点了&a…

TCGA差异表达分析|2022.5.1更新

作者&#xff1a;Squirrelity 2022-07-18 补充说明 最近R更新了&#xff0c;很多包都用不了&#xff0c;如果遇到报错或者是运行不了有可能是因为版本问题。 一、加载对应的R包 这里用到十三个包&#xff08;距离上次更新之后又新增了不少方法/包&#xff09;&#xff1a; lib…

病理基因突变综述

颜锐, 梁智勇, 李锦涛, 任菲. 基于深度学习和H&E染色病理图像的肿瘤相关指标预测研究综述[J]. 计算机科学, 2022, 49(2): 69-82. YAN Rui, LIANG Zhi-yong, LI Jin-tao, REN Fei. Predicting Tumor-related Indicators Based on Deep Learning and H&E Stained Patholo…

maftools|TCGA肿瘤突变数据的汇总,分析和可视化

之前介绍了使用maftools | 从头开始绘制发表级oncoplot&#xff08;瀑布图&#xff09; R-maftools包绘制组学突变结果&#xff08;MAF&#xff09;的oncoplot或者叫“瀑布图”&#xff0c;以及一些细节的更改和注释。 本文继续介绍maftools对于MAF文件的其他应用&#xff0c;为…

生信-记一次NCBI-R语言-淋巴癌突变与未突变基因的差异分析

关键词&#xff1a;基因芯片、R、筛选、预处理、差异分析 NCBI-淋巴癌突变与未突变基因的差异分析 PS&#xff1a;好久没分享生信了&#xff0c;这是一年前做的一次生信task&#xff08;准确来说是2018年11月了&#xff09;&#xff0c;这里分享一下给大家&#xff0c;有助于一…

TCGA 亚型突变负荷代码

#1、准备文件/数据并加载相应的包 #1.1下载并加载相应的包&#xff0c;有就直接加载&#xff0c;没有就下载后再加载。 install.packages("pacman") library(pacman) p_load(TCGAbiolinks,DT,tidyverse) BiocManager::install("TCGAbiolinks") library(t…

四、肿瘤全基因组学体细胞点突变特征(The repertoire of mutational signatures in human cancer)

全文链接 一、肿瘤突变特征&#xff1a;碱基置换及插入、缺失突变 单碱基置换&#xff08;49种特征类型&#xff0c;single-base-substitution&#xff0c;SBS&#xff09; 双碱基置换&#xff08;11种特征类型&#xff0c;doublet-base-substitution&#xff0c;DBS&#xf…

TCGA_联合GTEx分析2_查看批次效应

在 TCGA_联合GTEx分析1_得到表达矩阵.tpm_老实人谢耳朵的博客-CSDN博客 中&#xff0c;获取了TCGA和GTEx中样本的表达矩阵数据&#xff0c;数据格式均为tpm。本文对二者进行合并后&#xff0c;通过PCA分析、绘制内参箱线图等方法&#xff0c;查看是否存在批次效应。 关于批次效…

提取TCGA 中体细胞突变数据的表达矩阵

#因为之前的命令调用GDCquery_Maf 发现用不了 #故找到了一些其他的方法&#xff0c;并且自己试着将其弄成了一个表达矩阵。 #代码如下 #1、下载加载相应的包 install.packages("pacman") library(pacman) p_load(TCGAbiolinks,DT,tidyverse) BiocManager::insta…