pSuc赖氨酸

pSuc-Lys:用PseAAC和集合随机森林法预测蛋白质中赖氨酸琥珀酰化位点。赖氨酸琥珀酰化作为翻译后修饰的一种,在调节多种生物过程中起着重要作用。然而,它也与一些疾病有关。因此,无论是从基础研究还是药物开发的角度来看,我们都面临着一个具有挑战性的问题:对于一个含有许多Lys残基的非特异性蛋白质序列,哪些可以琥珀酰化,哪些不能?为了解决这个问题,我们开发了一个称为pSuc-Lys的预测因子,它通过(1)将序列耦合信息合并到一般的伪氨基酸组成中,(2)通过随机抽样来平衡倾斜的训练数据集,以及(3)通过融合一系列独立的随机森林分类器来构造一个集成预测器。严格的交叉验证表明,它的性能明显优于现有的方法。已在url上为pSuc Lys建立了一个用户友好的web服务器{http://www.jci-bioinfo.cn/pSuc-Lys}用户无需经过复杂的数学方程,就可以很容易地得到他们想要的结果。我们注意到,这里提出的公式和方法也可用于分析计算蛋白质组学中的许多其他问题。


zbMATH中的参考文献(参考文献31条,1标准件)

显示第1到第20个结果,共31个。
按年份排序(引用)
  1. 阿迪丽娜,谢赫;法里德,德万医学博士;Shatabda,Swakkhar:通过周的通用PseAAC使用关键特征预测有效的DNA结合蛋白(2019)
  2. 艾哈迈德,贾迈勒;Hayat,Maqsood:MFSC:采用Chou's PseAAC成分的一般形式对高尔基蛋白进行分类的基于多投票的特征选择(2019年)
  3. 侯赛因,瓦卡尔;汗,亚瑟·达尼尔;拉苏尔,努曼;可汗,谢尔·阿夫扎尔;周国琛:Sprenlc PseAAC:基于序列的模型,通过Chou的5步规则和通用PseAAC来识别蛋白质中的s-prenylization位点(2019年)
  4. 贾建华;李小燕;王丘、王仁;晓萱;周国臣:iPPI PseAAC(CGR):通过将混沌博弈表示纳入PseAAC(2019年),识别蛋白质-蛋白质相互作用
  5. 汗,亚瑟·达尼尔;雅米勒,米伦;侯赛因,瓦卡尔;拉苏尔,努曼;可汗,谢尔·阿夫扎尔;周国琛:psbond-PseAAC:利用PseAAC和统计矩积分预测二硫键位点(2019)
  6. 吕福华;朱茂树;林英;钟宏斌;蔡磊;他,林;周国臣:CTLA-4-ig治疗狼疮性肾炎的初步疗效评估(2019年)
  7. 宁,乔;马志强;赵晓伟:Dforml(KNN)-PseAAC:通过周的5步规则和伪成分使用K-最近邻算法检测蛋白质序列中的甲酰化位点(2019)
  8. 潘毅;王世元;张琪;陆谦子;苏东青;左永春;杨磊:周氏不同伪成分和还原氨基酸组成对动物毒素的分析与预测(2019)
  9. 青、杨;仓直、贾;李桃英:基于稀疏自编码特征提取和集成分类器的适体-蛋白质相互作用对预测(2019)
  10. 路特,亚灰树;Mahapatra,Rajani Kanta:\textITi恶性疟原虫CDPK5蛋白的分子建模、对接和动力学分析(2019年)
  11. 塔希尔,穆罕默德;塔亚拉,希拉;Chong,Kil-To:iRNA-PseKNC(2甲基):通过卷积神经网络和Chou的伪成分识别RNA 2'-O-甲基化位点(2019年)
  12. 王立东;张瑞军;Mu,Yashuang:Fu-SulfPred:通过Chou'S general PseAAC确定蛋白质S-硫基化位点(2019)
  13. 赵小伟;张,叶;宁,乔;张宏瑞;季金超;Yin,Minghao:使用粒子群优化优化的极端梯度提升系统识别N(^6)-甲基腺苷位点(2019)
  14. 阿里夫,穆罕默德;哈亚特,马苏德;Jan,Zahoor:IMem-2LSAAC:通过将SAAC的概念扩展到Chou的伪氨基酸组成来区分膜蛋白及其类型的两级模型(2018)
  15. 程、香;晓萱;Chou,Kuo Chen:pLoc逯bal-mGneg:通过准平衡训练数据集和通用PseAAC预测革兰氏阴性细菌蛋白质的亚细胞定位(2018)
  16. 贾、仓植;杨青;邹全:NucPosPred:general PseKNC的四种不同模式预测物种特异性基因组核小体定位(2018)
  17. 居哲;王士云:基于mRMR特征选择和模糊支持向量机算法的S-磺基化位点预测(2018)
  18. 梅,娟;傅易;赵,季:用特征选择和周的一般伪氨基酸组成分析和预测离子通道抑制剂(2018)
  19. 桑卡里,湿婆;Manimgalai,D.:通过将一个新的特征集整合到周的通用PseAAC中来预测膜蛋白类型(2018)
  20. 阿披实喀斯利瓦斯塔瓦;库马尔,拉文德拉;Kumar,Manish:BlaPred:通过Chou's general PseAAC使用三层预测系统预测和分类(\β-内酰胺酶)(2018)

更多出版物请访问:http://www.jci-bioinfo.cn/pSuc-Lys/pSucLys_citation.html