iRSpot TNCPseAAC公司

iRSpot TNCPseAAC:识别含有三核苷酸成分和伪氨基酸成分的重组点。减数分裂和重组是DNA系统中共存的两个对立的方面。减数分裂重组作为产生自然遗传变异的进化动力,在卵子和精子的形成过程中起着非常重要的作用。有趣的是,重组并不是随机发生在一个基因组中,而是在一些被称为“热点”的基因组区域具有较高的概率,而在所谓的“冷阱”中的概率较低。在后基因组时代,随着基因组序列数据量的不断增加,有效识别热点和冷点的计算方法已成为迫切需要解决的问题,因为这些方法可以及时地为我们提供减数分裂重组机制和基因组进化过程的有用见解。为了满足这一需要,我们开发了一种新的预测因子iRSpot TNCPseAAC,它将DNA样本中的三核苷酸组成(TNC)和蛋白质的伪氨基酸成分(PseAAC)根据其遗传密码组合而成。前者用于整合其局部或短程序列序列信息;而后者,则是其全球性和长期性的。与该领域现有的最好的预测因子相比,iRSpot-TNCPseAAC在准确率、Mathew相关系数和灵敏度方面均达到了较高的比率,表明新的预测因子可能成为识别重组热点和冷点的有用工具,或者至少可以成为现有方法的补充工具。我们还注意到,上述将DNA序列顺序信息整合到离散模型中的新方法也可用于其他许多基因组分析问题。iRSpot TNCPseAAC的web服务器位于http://www.jci-bioinfo.cn/iRSpot-TNCPseAAC。此外,为了方便广大的实验科学家,本文提供了一个分步指南,说明如何使用当前的web服务器来获得他们想要的结果,而不需要遵循复杂的数学方程。


zbMATH中的参考文献(参考文献31条)

显示第1到第20个结果,共31个。
按年份排序(引用)
  1. 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)
  2. 贾建华;李小燕;邱,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
  3. 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)
  4. 阿克巴,沙希德;Hayat,Maqsood:二甲基STTNC:通过将SAAC的概念扩展到Chou的PseAAC中以形成RNA序列来识别N(^6)-甲基腺苷位点(2018)
  5. 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)
  6. 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)
  7. 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)
  8. 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)
  9. 萨博,M.法兹利;伊克巴尔、纳迪姆;可汗,穆赫塔吉;可汗,穆斯林;Maqbool,H.F.:利用复合编码特征识别RNA序列中的5-甲基胞嘧啶位点到周氏PseKNC中(2018)
  10. 塔拉弗德,苏米特;Toukir Ahmed,医学博士。;伊克巴尔,苏美亚;Tamjidul Hoque,医学博士;Sohel Rahman,M.:RBSURFRED:使用正则化和优化回归在真实和二进制空间中建模蛋白质可及表面积(2018)
  11. 阿里,法尔曼;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)
  12. 贾建华;刘、子;晓萱;刘炳祥;周国臣:pSuc赖氨酸: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)
  13. Muthu Krishnan,S.:通过混合方法将进化信息整合到通用PseAAC中,对脊椎动物血红蛋白蛋白质进行分类(2016年)
  14. 阿拉姆,礼萨·佐胡里;Charkari,Nasrollah Moghadam:蛋白质折叠识别的两层分类框架(2015)
  15. 袋,苏密达;拉迈亚,苏达;Anbarasu,Anand:fabp4是8个肥胖相关基因的中心:基于功能基因网络的多态性研究(2015)
  16. 丁燕瑞;王雪芹;牟兆林:铁超氧化物歧化酶氨基酸网络中的群落(2015)
  17. 乔治奥,D.N。;卡拉卡西迪斯,T.E。;巨炎。;尼托,胡安J。;Torres,A.:遗传序列比较的模糊拓扑方法的扩展(2015)
  18. 戈尔扎里,法希姆;Jalili,Saeed:VR-BFDT:蛋白质功能预测的基于方差缩减的二元模糊决策树归纳法(2015)
  19. 可汗,扎希尔乌拉;哈亚特,马苏德;Khan,Muazzam Ali:结合概率神经网络模型,使用Chou的伪氨基酸组成区分酸性和碱性酶(2015)
  20. 库马尔,拉文德拉;阿披实喀斯利瓦斯塔瓦;库马里,班达纳;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)