SignalP 5.0 improves signal peptide predictions using deep neural networks

Signal peptides (SPs) are short amino acid sequences in the amino terminus of many newly synthesized proteins that target proteins into, or across, membranes. Bioinformatic tools can predict SPs from amino acid sequences, but most cannot distinguish between various types of signal peptides. We present a deep neural network-based approach that improves SP prediction across all domains of life and distinguishes between three types of prokaryotic SPs.

Tsirigos, Konstantinos D.Stockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab),Technical University of Denmark, Denmark; Max Planck Institute for Molecular Genetics, Germany(Swepub:su)kots7499 (författare)
Kaae Sonderby, Casper (författare)
Nordahl Petersen, Thomas (författare)
Winther, Ole (författare)
Brunak, Søren (författare)
von Heijne, GunnarStockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab)(Swepub:su)heijn (författare)
Nielsen, Henrik (författare)
Stockholms universitetInstitutionen för biokemi och biofysik (creator_code:org_t)

Ingår i:Nature Biotechnology: Springer Science and Business Media LLC37:4, s. 420-4231087-01561546-1696

Av författaren/redakt...: Almagro Armenter ...; Tsirigos, Konsta ...; Kaae Sonderby, C ...; Nordahl Petersen ...; Winther, Ole; Brunak, Søren; visa fler...; von Heijne, Gunn ...; Nielsen, Henrik; visa färre...

Om ämnet

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.