罗恩

RONN:生物基函数神经网络技术,用于检测蛋白质中天然无序区域。动机:最近的研究发现,许多蛋白质包含的区域在它们的原生状态下没有形成明确的三维结构。研究和检测这些无序区域对于理解蛋白质功能和促进结构分析都很重要,因为无序区域可能会影响溶解度和/或结晶性。结果:我们开发了区域顺序神经网络(RONN)软件,作为我们最近开发的“生物基函数神经网络”模式识别算法在蛋白质中固有无序区域检测中的应用。用9种疾病预测工具(包括RONN)对来自蛋白质数据库的80个蛋白质序列进行盲测试,结果表明,基于概率超额测度,RONN的表现最好。可用性:可从http://www.strubi.ox.ac.uk/RONN获取RONN。对RONN软件和disorder数据库(XML格式)的请求可以直接发送给相应的作者。


zbMATH参考文献(参考 7篇文章 参考)

显示结果1到7,共7个。
按年份排序(引用)

  1. 何浩;赵佳祥;孙桂玲:基于特征选择的内在无序蛋白质预测(2019)
  2. Małysiak Mrozek,Bożena:蛋白质生物信息学中的不确定性、不精确性和多值逻辑(2019)
  3. 何浩;赵佳祥:一种用于预测内在无序蛋白质区的低计算复杂度方案(2018)
  4. Carugo,Oliviero(编辑);Eisenhaber,Frank(编辑):生命科学的数据挖掘技术(2016)
  5. Wills,Peter R.:作为病理因子的移框朊蛋白:定量考虑(2013)
  6. Aygün,E.;Oommen,B.J.;Cataltepe,Z.:使用最优和信息论句法建模进行肽分类(2010)ioport公司
  7. Caragea,Cornelia;Sinapov,Jivko;Silvescu,Adrian;Dobbs,Drena;Honavar,Vasant:使用支持向量机分类器组合进行糖基化位点预测(2007年)ioport公司