iPro54 PseKNC公司

iPro54-PseKNC：一种基于序列的预测因子，用于识别具有伪k-元组核苷酸组成的原核生物中sigma-54启动子。σ（54）启动子是原核基因组中唯一的启动子，负责转录碳和氮相关基因。随着后基因组时代产生的基因组序列的雪崩，人们迫切需要开发一种能够快速有效地识别σ（54）启动子的自动化方法。在这里，一个被称为“iPro54 PseKNC”的预测因子被开发出来。在预测器中，DNA序列样本由一个新的特征向量“伪k-元组核苷酸组成”构成，并通过增量特征选择过程进一步优化。iPro54 PseKNC在严格的基准数据集上进行了严格的刀交叉验证测试。iproekas服务器可自由访问http://psroeka.54/psroeka.cn。为了方便广大实验科学家，本文提供了一个逐步的协议指南，说明如何使用web服务器来获得所需的结果，而不需要遵循本文中提出的复杂数学模型。同时，我们还通过深入的统计分析发现，转录起始位点和翻译起始位点之间的距离分布受伽马分布的控制，这为研究σ（54）启动子提供了一个基本的物理原理。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考 32篇文章 32篇文章

显示第1到第20个结果，共32个。
按年份排序(引用)
  1. 陈国栋，曹，满，俞佳林，郭新云，史少平：周氏通用PseAAC中六种特征对原核生物赖氨酸乙酰化位点的预测与功能分析（2019）
  2. 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）
  3. 贾建华；李晓燕；邱，王仁；肖，宣；周，郭晨：iPPI PseAAC（CGR）：通过将混沌博弈表示纳入PseAAC（2019年），识别蛋白质相互作用
  4. 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）
  5. 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）
  6. 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）
  7. 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）
  8. Akbar，Shahid；Hayat，Maqsood:通过将SAAC的思想扩展到Chou的PseAAC中以形成RNA序列，来识别N（^6）-甲基腺苷位点（2018年）
  9. 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）
  10. 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）
  11. Chiu，Jimmy Ka Ho；Dillon，Tharam S.；Chen，Yi Ping Phoebe:RNA家族中的大规模频繁茎模式挖掘（2018）
  12. 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）
  13. 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）
  14. 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）
  15. Tarafder，Sumit；Toukir Ahmed，医学博士；Iqbal，Sumaiya；Tamjidul Hoque，医学博士；Sohel Rahman，M.：RBSURFpred：使用正则化和优化回归在实空间和二进制空间中建模蛋白质可及表面积（2018年）
  16. 田坤；赵新新；邱士泰：生物类群进化和系统发育关系的凸壳分析（2018）
  17. 张胜利；梁云云：结合自相关和PSSM预测凋亡蛋白亚细胞定位（2018）
  18. 焦，熊；兰加纳坦，肖巴：基于残留物相互作用网络特征的界面残留预测（2017）
  19. Khan，穆斯林；Hayat，Maqsood；Khan，Sher Afzal；Ahmad，Saeed；Iqbal，Nadeem:Bi-PSSM：基于位置特异性评分矩阵的分枝杆菌膜蛋白识别智能计算模型（2017）
  20. Pai，Priyadarshini P.；Dash，Tirtharaj；Mondal，Sukanta：使用概率方法对蛋白质RNA相互作用残基的序列识别（2017年）