Pflanzenzellen sind dreidimensionale Räume, die aus mehreren Kompartimenten bestehen, von denen jedes seine eigene physikalisch-chemische Umgebung und Funktion hat. Die subzelluläre Lokalisierung von Proteinen, der Funktionsmaschinerie der Zelle, ist sehr wichtig für die Charakterisierung ihrer Funktionen in einer Zelle. Eine falsche Lokalisierung kann zu Krankheit und Zelltod führen. Daher ist die Vorhersage der subzellulären Lokalisierung von Proteinen ein heißes Thema in der Proteomik, doch kann dies durch biochemische Experimente mühsam, teuer und zeitaufwändig sein. Computational Prediction kann eine effektive Alternative sein, die es uns ermöglicht, die Proteinfunktion zu entschlüsseln und die Genomannotation zu beschleunigen.

Eine visuelle Zusammenfassung des von Sahu et al.

In einem neuen Artikel, erschienen in AoBP, Sahu et al. stellen ihre neue Software Plant-mSubP vor, eine öffentlich zugängliche Webplattform, die maschinelles Lernen nutzt, um die subzelluläre Lokalisierung von Proteinen auf der Grundlage von Aminosäuresequenzmerkmalen vorherzusagen. Plant-mSubP wurde unter Verwendung von Trainingsdatensätzen mit bekannter subzellulärer Lokalisation entwickelt, was zu über 16000 einzigartigen Proteinsequenzen führte, die an 14 verschiedenen subzellulären Orten annotiert sind. Unter Verwendung eines unabhängigen Datensatzes für jede Lokalisierungsklasse verglichen die Autoren ihre Methode dann mit anderen verfügbaren sequenzbasierten Vorhersagewerkzeugen und stellten fest, dass sie alle bestehenden Methoden übertraf. Sie betonen, dass bisher nur sehr begrenzte Arbeiten zur subzellulären Lokalisierung von Pflanzenproteinen durchgeführt wurden, hoffen jedoch, dass ihr neues, über das Internet zugängliches Tool damit beginnen wird, sich damit zu befassen.

Plant-mSubP ist online abrufbar unter http://bioinfo.usu.edu/Plant-mSubP/

Forscher-Highlight

Rakesh Kaundal wuchs in Indien auf und zog 2007 in die USA, um ein Postdoctoral Research Fellowship in Bioinformatik und Computerbiologie am Noble Research Institute, Ardmore, Oklahoma, zu absolvieren. Rakesh ist derzeit Assistenzprofessor am Department of Plants, Soils, and Climate der Utah State University (USU) und Direktor der Bioinformatik-Einrichtung am Center for Integrated BioSystems, USU. Außerdem hat er eine außerplanmäßige Professur am Fachbereich Informatik inne.

Rakesh hat ein unabhängiges und kollaboratives Forschungsprogramm in der Bioinformatik entwickelt, das sich hauptsächlich auf das Computational Mining großer multidimensionaler -omics-Datensätze, die Computermodellierung unter Verwendung von überwachtem (maschinellem Lernen) und nicht überwachtem (Bayesianischem) Lernen konzentriert, und entwickelt aktiv neue Werkzeuge und Software zur Anwendung der gewonnenen Erkenntnisse zur Verbesserung des Organismus.