iSuc PseOpt公司

iSuc PseOpt:通过将序列耦合效应纳入伪组分和优化不平衡训练数据集来识别蛋白质中赖氨酸琥珀酰化位点。琥珀酰化是一种翻译后修饰(PTM),其中琥珀酰被添加到蛋白质分子的Lys(K)残基上。赖氨酸琥珀酰化在协调各种生物过程中起着重要作用,但它也与某些疾病有关。因此,无论是基础研究还是药物开发,我们都面临着以下问题:给定一个含有许多Lys残基的非特征蛋白序列,其中哪一个可以琥珀酰化,哪一个不能?随着后基因组时代产生的大量蛋白质序列,这个问题的答案变得更加紧迫。幸运的是,蛋白质中琥珀酰化位点的统计显著性实验数据最近才得到,这是开发解决这一问题的计算方法必不可少的先决条件。通过将序列耦合效应引入到一般的伪氨基酸组成中,采用KNNC(K-最近邻清洗)处理和IHTS(插入假设训练样本)处理优化训练数据集,开发了一个预测因子iSuc-PseOpt。严格的交叉验证表明,该方法明显优于现有的方法。已在http://www.jci-bioinfo.cn/iSuc-PseOpt上建立了一个用户友好的iSuc PseOpt web服务器,用户无需通过复杂的数学公式就可以轻松地获得想要的结果。


zbMATH参考文献(参考 23篇文章

显示第1到第20个结果,共23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. 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. 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)
  6. 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)
  7. 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)
  8. 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)
  9. 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)
  10. 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)
  11. 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)
  12. 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)
  13. 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)
  14. 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)
  15. 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)
  16. 邱文英;李文英;李珊珊;崔晓雯;俞昭敏;王明辉;杜俊伟;彭彦军;俞斌:通过将伪位置特异性评分矩阵纳入周氏伪氨基酸组成预测蛋白质亚软骨位置(2018)
  17. 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)
  18. 张胜利;段欣:蛋白质亚细胞定位的过采样预测和周氏通用PseAAC(2018)
  19. Dezhangi,Abdollah;López,Yosvany;Lal,Sunil Pranit;Taherzadeh,Ghazaleh;Michaelson,Jacob;Sattar,Abdul;Tsunoda,Tatsuhiko;Sharma,Alok:PSSM Suc:使用位置特定的评分矩阵精确预测琥珀酰化,并将其应用到bigram中进行特征提取(2017)
  20. 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)