细胞内蛋白发挥正确的生物学功能，需折叠成特定的构象并转移到特定的亚细胞区室。研究未知蛋白的亚细胞定位对于理解其功能和作用机制非常重要。
一般我们会采用将目标蛋白与荧光蛋白融合表达，通过共聚焦显微镜等观察材料的瞬时或稳定转化，但在正式实验前，可先通过生物信息学方法进行蛋白亚细胞定位的初步预测。本期分享两个在亚细胞定位预测中，使用程度高、预测准确性高的好用在线工具，希望对大家有所帮助。
1. Cell-PLoc 2.0
Cell-PLoc 2.0（Cellular Localization of Proteins）由上海交通大学模式识别与生物信息学研究组开发，用于预测蛋白质在不同生物体（包括真核生物、原核生物、植物、古菌等）内的亚细胞定位。
工具链接：http://www.csbio.sjtu.edu.cn/bioinf/Cell-PLoc-2/
Cell-PLoc 2.0中提供了六个服务器，针对不同生物类别的蛋白质分别进行定位预测。如Plant-mPLoc用于预测植物蛋白质亚细胞位置。
除植物外，还提供5大生物类别：
Euk-mPLoc 2.0：预测真核蛋白的亚细胞定位；
Hum-mPLoc 2.0：预测人类蛋白质的亚细胞定位；
Gpos-mPLoc：预测革兰氏阳性菌蛋白亚细胞位置；
Gneg-mPLoc：预测革兰氏阴性菌蛋白亚细胞位置；
预测结果如下：
2. DeepLoc-2.1
DeepLoc-2.1是一个用于预测真核蛋白亚细胞定位和膜蛋白类型的深度学习工具，以超高精度的预测能力和用户友好页面而被广泛使用。
DeepLoc-2.1中，能够预测任何给定蛋白质的一个或多个定位。它可以区分10种不同的定位（细胞核、细胞质、细胞外、线粒体、细胞膜、内质网、叶绿体、高尔基体、溶酶体/液泡和过氧化物酶体）和4种不同的膜关联类型（外周、跨膜、脂质锚和可溶性）。此外，DeepLoc-2.1还可以预测对亚细胞定位预测有影响的分选信号的存在。
工具链接：https://services.healthtech.dtu.dk/services/DeepLoc-2.1/
使用方法基本相同，上传Fasta格式目标蛋白序列文件，或将其粘贴到任务框中，点击Submit提交。在DeepLoc-2.1中，服务器每次提交最多接受500个序列，通过在序列较少的情况下，建议优先选择高质量模式。
稍等片刻即可得到预测结果，页面如下。表格为10个亚细胞区室和4个膜关联类型的概率矩阵。当定位到某个区室的概率大于阈值时，会标记为绿色，绿色越深则表明概率超过阈值越多。
更多其它亚细胞定位预测工具分享，可戳往期推文：《分享6个亚细胞定位预测工具》
好啦，今日分享毕！
OmicShare Tools最新方法学文章已发表iMeta：
发表期刊：iMeta
发表时间：202408
影响因子：23.7
如果您在数据处理过程中使用了OmicShare Tools完成了分析，我们期望您在论文发表时，在方法学部分或致谢部分引用或提及OmicShare平台。
引用OmicShare Tools的参考文献为：
Mu, Hongyan, Jianzhou Chen, Wenjie Huang, Gui Huang, Meiying Deng, Shimiao Hong, Peng Ai, Chuan Gao, and Huangkai Zhou. 2024. “OmicShare tools: a Zero‐Code Interactive Online Platform for Biological Data Analysis and Visualization.” iMeta e228. https://doi.org/10.1002/imt2.228
READ MORE
延伸阅读
*未经许可，不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有，侵权必究。
