• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

MetalDetector v2.0：从蛋白质序列预测金属结合位点的几何形状。

MetalDetector v2.0: predicting the geometry of metal binding sites from protein sequence.

机构信息

Dipartimento di Ingegneria e Scienza dell'Informazione, Università degli Studi di Trento, Via Sommarive 14, 38123 Povo di Trento, Italy.

出版信息

Nucleic Acids Res. 2011 Jul;39(Web Server issue):W288-92. doi: 10.1093/nar/gkr365. Epub 2011 May 16.

DOI:10.1093/nar/gkr365
PMID:21576237
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC3125771/
Abstract

MetalDetector identifies CYS and HIS involved in transition metal protein binding sites, starting from sequence alone. A major new feature of release 2.0 is the ability to predict which residues are jointly involved in the coordination of the same metal ion. The server is available at http://metaldetector.dsi.unifi.it/v2.0/.

摘要

MetalDetector 可以根据序列信息识别参与过渡金属蛋白结合位点的 CYS 和 HIS。版本 2.0 的一个主要新功能是能够预测哪些残基共同参与同一金属离子的配位。该服务器可在 http://metaldetector.dsi.unifi.it/v2.0/ 访问。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/cc0cf9638602/gkr365f3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/d6133947e2f6/gkr365f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/fa0eadfcd57d/gkr365f2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/cc0cf9638602/gkr365f3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/d6133947e2f6/gkr365f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/fa0eadfcd57d/gkr365f2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/951f/3125771/cc0cf9638602/gkr365f3.jpg

相似文献

1
MetalDetector v2.0: predicting the geometry of metal binding sites from protein sequence.MetalDetector v2.0：从蛋白质序列预测金属结合位点的几何形状。
Nucleic Acids Res. 2011 Jul;39(Web Server issue):W288-92. doi: 10.1093/nar/gkr365. Epub 2011 May 16.
2
MetalDetector: a web server for predicting metal-binding sites and disulfide bridges in proteins from sequence.金属探测器：一个用于从序列预测蛋白质中金属结合位点和二硫键的网络服务器。
Bioinformatics. 2008 Sep 15;24(18):2094-5. doi: 10.1093/bioinformatics/btn371. Epub 2008 Jul 16.
3
Characterization of metalloproteins by high-throughput X-ray absorption spectroscopy.高通量 X 射线吸收光谱法对金属蛋白的特性分析。
Genome Res. 2011 Jun;21(6):898-907. doi: 10.1101/gr.115097.110. Epub 2011 Apr 11.
4
DISULFIND: a disulfide bonding state and cysteine connectivity prediction server.DISULFIND：一种二硫键结合状态和半胱氨酸连接性预测服务器。
Nucleic Acids Res. 2006 Jul 1;34(Web Server issue):W177-81. doi: 10.1093/nar/gkl266.
5
The Cys-Xaa-His metal-binding motif: [N] versus [S] coordination and nickel-mediated formation of cysteinyl sulfinic acid.半胱氨酸-氨基酸-组氨酸金属结合基序：[N]与[S]配位以及镍介导的半胱氨酸亚磺酸的形成
J Biol Inorg Chem. 2003 Jul;8(6):601-10. doi: 10.1007/s00775-003-0454-7. Epub 2003 Jun 21.
6
Comparison of metal-binding strength between methionine and cysteine residues: Implications for the design of metal-binding motifs in proteins.蛋氨酸和半胱氨酸残基之间金属结合强度的比较：对蛋白质中金属结合基序设计的启示。
Biophys Chem. 2017 May;224:32-39. doi: 10.1016/j.bpc.2017.02.007. Epub 2017 Mar 18.
7
Spectroscopic identification of different types of copper centers generated in synthetic four-helix bundle proteins.合成四螺旋束蛋白中产生的不同类型铜中心的光谱鉴定。
J Am Chem Soc. 2004 Nov 10;126(44):14389-99. doi: 10.1021/ja0484294.
8
BioMe: biologically relevant metals.生物相关金属（BioMe）：指具有生物学相关性的金属。
Nucleic Acids Res. 2012 Jul;40(Web Server issue):W352-7. doi: 10.1093/nar/gks514. Epub 2012 Jun 12.
9
Predicting zinc binding at the proteome level.蛋白质组水平上的锌结合预测
BMC Bioinformatics. 2007 Feb 5;8:39. doi: 10.1186/1471-2105-8-39.
10
Coordination geometries of selected transition metal ions (Co2+, Ni2+, Cu2+, Zn2+, Cd2+, and Hg2+) in metalloproteins.金属蛋白中选定过渡金属离子（Co2+、Ni2+、Cu2+、Zn2+、Cd2+和Hg2+）的配位几何结构。
J Inorg Biochem. 1998 Sep;71(3-4):115-27. doi: 10.1016/s0162-0134(98)10042-9.

引用本文的文献

1
A comprehensive review of protein-centric predictors for biomolecular interactions: from proteins to nucleic acids and beyond.蛋白质中心预测因子在生物分子相互作用研究中的综合综述：从蛋白质到核酸及其他。
Brief Bioinform. 2024 Mar 27;25(3). doi: 10.1093/bib/bbae162.
2
Identifying Metal Binding Sites in Proteins Using Homologous Structures, the MADE Approach.利用同源结构鉴定蛋白质中的金属结合位点，MADE 方法。
J Chem Inf Model. 2023 Aug 28;63(16):5204-5219. doi: 10.1021/acs.jcim.3c00558. Epub 2023 Aug 9.
3
Co-evolution-based prediction of metal-binding sites in proteomes by machine learning.

本文引用的文献

1
Characterization of metalloproteins by high-throughput X-ray absorption spectroscopy.高通量 X 射线吸收光谱法对金属蛋白的特性分析。
Genome Res. 2011 Jun;21(6):898-907. doi: 10.1101/gr.115097.110. Epub 2011 Apr 11.
2
FINDSITE-metal: integrating evolutionary information and machine learning for structure-based metal-binding site prediction at the proteome level.FINDSITE-metal：在蛋白质组水平上基于结构的金属结合位点预测中整合进化信息和机器学习。
Proteins. 2011 Mar;79(3):735-51. doi: 10.1002/prot.22913. Epub 2010 Dec 6.
3
Bioinformatics in bioinorganic chemistry.
基于协同进化的蛋白质组中金属结合位点的机器学习预测。
Nat Chem Biol. 2023 May;19(5):548-555. doi: 10.1038/s41589-022-01223-z. Epub 2023 Jan 2.
4
mebipred: identifying metal-binding potential in protein sequence.mebipred：预测蛋白质序列中的金属结合位点。
Bioinformatics. 2022 Jul 11;38(14):3532-3540. doi: 10.1093/bioinformatics/btac358.
5
Machine Learning Approaches for Metalloproteins.机器学习在金属蛋白中的应用
Molecules. 2022 Feb 14;27(4):1277. doi: 10.3390/molecules27041277.
6
The Case for Enzymatic Competitive Metal Affinity Methods.酶促竞争性金属亲和方法的原理
ACS Catal. 2020 Feb 7;10(3):2298-2307. doi: 10.1021/acscatal.9b04831. Epub 2020 Jan 17.
7
Torpedo californica acetylcholinesterase is stabilized by binding of a divalent metal ion to a novel and versatile 4D motif.加利福尼亚鱼雷乙酰胆碱酯酶通过与新型多功能 4D 基序结合二价金属离子而稳定。
Protein Sci. 2021 May;30(5):966-981. doi: 10.1002/pro.4061. Epub 2021 Mar 29.
8
Neuronal megalin mediates synaptic plasticity-a novel mechanism underlying intellectual disabilities in megalin gene pathologies.神经元巨蛋白介导突触可塑性——巨蛋白基因病变中智力障碍的一种新机制。
Brain Commun. 2020 Aug 25;2(2):fcaa135. doi: 10.1093/braincomms/fcaa135. eCollection 2020.
9
Bioinformatics of Metalloproteins and Metalloproteomes.金属蛋白和金属蛋白组学的生物信息学。
Molecules. 2020 Jul 24;25(15):3366. doi: 10.3390/molecules25153366.
10
Determinants of Copper Resistance in ACH Isolated from the Chilean Altiplano.智利高原分离的 ACH 中铜抗性的决定因素。
Genes (Basel). 2020 Jul 24;11(8):844. doi: 10.3390/genes11080844.
生物无机化学中的生物信息学。
Metallomics. 2010 Jan;2(1):39-51. doi: 10.1039/b912156k. Epub 2009 Sep 29.
4
Prediction of 3D metal binding sites from translated gene sequences based on remote-homology templates.基于远程同源模板的翻译基因序列中三维金属结合位点的预测。
Proteins. 2009 Aug 1;76(2):365-74. doi: 10.1002/prot.22352.
5
MetalDetector: a web server for predicting metal-binding sites and disulfide bridges in proteins from sequence.金属探测器：一个用于从序列预测蛋白质中金属结合位点和二硫键的网络服务器。
Bioinformatics. 2008 Sep 15;24(18):2094-5. doi: 10.1093/bioinformatics/btn371. Epub 2008 Jul 16.
6
Metallomics and metalloproteomics.金属组学与金属蛋白质组学。
Cell Mol Life Sci. 2008 Oct;65(19):3040-8. doi: 10.1007/s00018-008-8189-9.
7
Prediction of zinc-binding sites in proteins from sequence.从序列预测蛋白质中的锌结合位点。
Bioinformatics. 2008 Mar 15;24(6):775-82. doi: 10.1093/bioinformatics/btm618. Epub 2008 Feb 1.
8
Robust recognition of zinc binding sites in proteins.蛋白质中锌结合位点的可靠识别。
Protein Sci. 2008 Jan;17(1):54-65. doi: 10.1110/ps.073138508. Epub 2007 Nov 27.
9
Zinc, antioxidant systems and metallothionein in metal mediated-apoptosis: biochemical and cytochemical aspects.金属介导的细胞凋亡中的锌、抗氧化系统与金属硫蛋白：生物化学与细胞化学方面
Comp Biochem Physiol C Toxicol Pharmacol. 2007 Nov;146(4):443-59. doi: 10.1016/j.cbpc.2007.07.010. Epub 2007 Aug 1.
10
Prediction of transition metal-binding sites from apo protein structures.从无辅基蛋白质结构预测过渡金属结合位点。
Proteins. 2008 Jan 1;70(1):208-17. doi: 10.1002/prot.21587.