10、蛋白质亚细胞定位预测：方法、数据集与评估指标

蛋白质亚细胞定位预测：方法、数据集与评估指标

1. R3P-Loc：紧凑的亚细胞定位预测器

R3P-Loc是一种用于预测蛋白质亚细胞位置的工具。它通过创建紧凑的数据库来提高预测效率。具体来说，从Swiss - Prot和GOA数据库中提取信息，构建了ProSeq和ProSeq - GO数据库。

1.1 数据库构建流程

从GOA数据库中可以检索到基因本体（GO）术语，构成了新的ProSeq - GO数据库。2013年7月发布的Swiss - Prot和GOA数据库被用于创建这两个新数据库。ProSeq - GO数据库有513,513个条目，而GOA数据库有25,441,543个条目；ProSeq数据库有513,513个蛋白质序列，而Swiss - Prot数据库有540,732个蛋白质序列。数据库创建流程如下：
1. 从Swiss - Prot和GOA数据库中提取所有的访问号（AC）。
2. 筛选出有效的AC。
3. 提取有效的Swiss - Prot AC。
4. 进行GO术语检索和序列检索。

graph LR
    A[GOA Database] --> B[Extraction of All ACs]
    C[Swiss - Prot Database] --> B
    B --> D[Extraction of Valid ACs]
    D --> E[Extraction of Valid Swiss - Prot ACs]
    E --> F[GO - Term Retrieval]
    E