PseAAC建筑商

单独生成各种氨基酸的独立程序。伪氨基酸组分被广泛用于将不同长度的复杂蛋白质序列转换为固定长度的数字特征向量,同时保留了大量的序列顺序信息。然而,到目前为止,公众可以使用的唯一软件是web服务器PseAAC(http://www.csbio.sjtu.edu.cn/bioinf/PseAAC),它在处理大规模数据集时有一些局限性。在这里,我们提出了一个新的跨平台独立软件程序PseAAC Builder(http://www.pseb.sf.net),它可以更高效、更灵活地生成周氏伪氨基酸的各种模式。PseAAC构建器有望成为研究各种蛋白质属性的有用工具


zbMATH参考文献(参考 25篇文章 引用)

显示第1到第20个结果,共25个。
按年份排序(引用)
  1. Marrero Ponce,Yovani;Teran,Julio E;Contreras Torres,Ernesto;García-Jacas,César R;Perez Castillo,Yunierkis;Cubillan,Nestor;Peréz-Giménez,Facundo;Valdés-Martini,JoséR.:基于乐高的两个线性代数3D生物宏分子描述符的广义集合:QSAR的理论和验证(2020)
  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. 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)
  4. 赵薇;李广平;王军;周远科;高,杨;杜,蒲峰:结合功能域富集分数和伪氨基酸组成预测蛋白质亚高尔基体位置(2019)
  5. 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)
  6. 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)
  7. Ali,Farman;Hayat,Maqsood:使用混合特征空间识别细胞外基质蛋白质的机器学习方法(2016)
  8. Jia,Jianhua;Liu,Zi;Xiao,Xuan;Liu,Bingxiang;Chou,Kuo Chen: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(2016)
  9. 焦亚森;杜步峰:利用周氏伪氨基酸组成的一般形式预测高尔基体驻留蛋白类型:最小冗余最大相关特征选择方法(2016)
  10. 焦亚森;杜步峰:利用伪氨基酸组成预测高尔基体驻留蛋白质类型:基于位置特异性物理化学性质的方法(2016)
  11. Ali,Farman;Hayat,Maqsood:结合Chou的伪氨基酸组成,使用投票特征区间对膜蛋白类型进行分类(2015)
  12. Ju,Zhe;Cao,Jun Zhe;Gu,Hong:iLM-2L:通过将K-gap氨基酸对合并到Chou的general PseAAC中来识别蛋白质赖氨酸甲基化位点及其甲基化程度的两级预测因子(2015)
  13. Khan,Zaheer Ullah;Hayat,Maqsood;Khan,Muazzam Ali:使用Chou的伪氨基酸组成结合概率神经网络模型识别酸性和碱性酶(2015)
  14. Kumar,Ravindra;Srivastava,Abhishikha;Kumari,Bandana;Kumar,Manish:用Chou的伪氨基酸组成和支持向量机预测(\β)-内酰胺酶及其类别(2015)
  15. 与Mohammeray-Di、Mohammeiza-Di、Mohammeiza-Di、Mohammeiza-Di和Mohammeiza-Lipitra-2014;Mohammeray-Lipitra-Colominates;Mohammeray-Lipitra-2014;Mohammeray-Lipitra-2014;Mohammeray-Lipitra-binding;Mohammera
  16. Hajisharifi,Zohre;Piryaeie,Movien;Mohammad Beigi,Majid;Behbahani,Mandana;Mohabatkar,Hassan:用Chou的伪氨基酸成分预测抗癌肽并通过ames试验调查其致突变性(2014年)
  17. Lyons,James;Biswas,Neela;Sharma,Alok;Dehangi,Abdollah;Paliwal,Kuldip K.:使用核化动态时间扭曲法通过氨基酸残基对齐进行蛋白质折叠识别(2014)
  18. Mondal,Sukanta;Pai,Priyadarshini P.:周的伪氨基酸组成改善了基于序列的抗冻蛋白预测(2014)
  19. Nanni,Loris;Lumini,Alessandra;Brahnam,Sheryl:识别细胞网络中蛋白质-药物相互作用的一组描述符(2014)
  20. 陈延宽;李国斌:通过将蛋白质拓扑结构、结构域、信号肽和物理化学性质纳入周氏伪氨基酸组成的一般形式来预测膜蛋白类型(2013)