Las células vegetales son espacios tridimensionales compuestos por varios compartimentos, cada uno con su propio entorno fisicoquímico y función. La localización subcelular de las proteínas, la maquinaria funcional de la célula, es muy importante para caracterizar sus funciones en una célula. La localización incorrecta puede resultar en enfermedad y muerte celular. Por lo tanto, predecir la localización subcelular de las proteínas es un tema candente en la proteómica, pero hacerlo a través de experimentos bioquímicos puede ser laborioso, costoso y lento. La predicción computacional puede ser una alternativa eficaz que nos permita descifrar la función de las proteínas y acelerar la anotación del genoma.
En un nuevo artículo publicado en AoBP, Sahu et al. presentan su nuevo software, Plant-mSubP, que es una plataforma web disponible públicamente que utiliza el aprendizaje automático para predecir la localización subcelular de proteínas en función de las características de la secuencia de aminoácidos. Plant-mSubP se desarrolló utilizando conjuntos de datos de entrenamiento de localización subcelular conocida, lo que resultó en más de 16000 14 secuencias de proteínas únicas anotadas en XNUMX ubicaciones subcelulares diferentes. Usando un conjunto de datos independiente para cada clase de localización, los autores compararon su método con otras herramientas de predicción basadas en secuencias disponibles y descubrieron que superaba a todos los métodos existentes. Destacan que hasta ahora se ha realizado un trabajo muy limitado sobre la localización subcelular de proteínas vegetales, pero esperan que su nueva herramienta accesible en la web comience a abordar esto.
Se puede acceder a Plant-mSubP en línea en http://bioinfo.usu.edu/Plant-mSubP/
Lo más destacado del investigador
Rakesh Kaundal creció en India y en 2007 se mudó a EE. UU. para realizar una beca de investigación posdoctoral en bioinformática y biología computacional en el Noble Research Institute, Ardmore, Oklahoma. Rakesh actualmente ocupa un puesto de profesor asistente en el Departamento de Plantas, Suelos y Clima de la Universidad Estatal de Utah (USU), y como Director de la Instalación de Bioinformática en el Centro de Biosistemas Integrados, USU. También tiene un nombramiento de profesor adjunto en el Departamento de Ciencias de la Computación.
Rakesh ha desarrollado un programa de investigación independiente y colaborativo en bioinformática, centrándose principalmente en la minería computacional de grandes conjuntos de datos ómicos multidimensionales, el modelado computacional utilizando aprendizaje supervisado (aprendizaje automático) y no supervisado (basado en bayesiano), y está desarrollando activamente nuevas herramientas y software para aplicar los conocimientos adquiridos hacia la mejora del organismo.
