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。在url{http://www.jci-bioinfo.cn/pSuc-Lys}上建立了一个用户友好的pSuc-Lys服务器,用户无需通过复杂的数学方程就可以轻松获得所需的结果。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,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. Adilina,Sheikh;Farid,Dewan医学博士;Shatabda,Swakkhar:利用关键特征通过周的通用PseAAC预测有效的DNA结合蛋白(2019年)
  2. Ahmad,Jamal;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. Hussain,Waqar;Khan,Yaser Daanial;Rasool,Nouman;Khan,Sher Afzal;Chou,Kuo Chen:Sprenlc PseAAC:通过Chou的5步规则和通用PseAAC开发的序列模型,用于识别蛋白质中的s-prenylization位点(2019年)
  4. 陈晓娟(音译)的交互作用;Zhou Zuan,Zhou Zuan;Zhuao Zua;Zhuao Zua;Zhuao Zuo;Jiao Zua;Zhuao Zua;Zhuao Zua;Zhuao Zua;Zhou Zua;Zhuao Zhua;Zhou Zua;Zho
  5. Khan,Yaser Daanial;Jamil,Mehreen;Hussain,Waqar;Rasool,Nouman;Khan,Sher Afzal;Chou,Kuo Chen:PSBOND PseAAC:通过PseAAC和统计矩积分预测二硫键合位点(2019年)
  6. 吕福华;朱茂树;林英英;钟宏斌;蔡磊;何,林;周国臣:CTLA-4-ig治疗狼疮性肾炎的初步疗效评价(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近邻算法检测蛋白质序列中的甲酰化位点(2019)
  8. 潘奕;王世元;张琦;陆倩子;苏东青;左永春;杨磊:周氏各种伪成分和还原氨基酸组成对动物毒素的分析与预测(2019)
  9. Qing,Yang;Cangzhi,Jia;Taoying,Li:基于稀疏自编码特征提取和集成分类器的适配子-蛋白质相互作用对的预测(2019)
  10. Rout,Subhashree;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. Tahir,Muhammad;Tayara,Hilal;Chong,Kil-To:iRNA-PseKNC(2methyl):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. Wang,Lidong;Zhang,Ruijun;Mu,Yashuang:Fu-SulfPred:通过Chou'S general PseAAC确定蛋白质S-硫基化位点(2019年)
  13. 赵晓伟;张晓伟;张,叶;宁,乔;张宏瑞;纪金超;尹明浩:用粒子群优化的极值梯度提升系统识别N(^6)-甲基腺苷位点(2019)
  14. Arif,Muhammad;Hayat,Maqsood;Jan,Zahoor:IMem-2LSAAC:通过将SAAC的概念扩展到Chou的伪氨基酸组成中来识别膜蛋白及其类型的两级模型(2018年)
  15. Cheng,Xiang;Xiao,Xuan;Chou,Kuo Chen:pLoc峈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. 贾仓智;杨青;邹权:基于通用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. Ju,Zhe;Wang,Shi Yun: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;付,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. Sankari,E.Siva;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. Srivastava,Abhishikha;Kumar,Ravindra;Kumar,Manish:BlaPred:通过Chou的general PseAAC使用三层预测系统预测和分类(\β-内酰胺酶)(2018年)

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