GPCR-GIA

GPCR-GIA:一个用灰色关联分析识别G蛋白偶联受体及其家族的网络服务器。gpg-grs在调节细胞的各种生理过程中也起着重要的作用。不同的GPCR家族负责不同的功能。随着后基因组时代产生的大量蛋白质序列,人们迫切需要开发一种自动化的方法来解决这两个问题:给定一个查询蛋白质的序列,我们能否确定它是否是GPCR?如果是,那它属于哪个家庭阶级?本文通过引入一种新的灰色关联度(grey incident degree),提出了一种两层集成分类器GPCR-GIA。GPCR-GIA对GPCR和非GPCR的总成功率约为95%,对9个家系类别中的GPCR的识别成功率约为80%。这些比率是通过在严格的基准数据集上进行刀切交叉验证测试得到的,其中没有一种蛋白质与同一类中的任何其他蛋白质具有>或=50%的成对序列一致性。此外,在http://218.65.61.89:8080/bioinfo/GPCR-GIA上建立了一个用户友好的web服务器。为方便用户使用,提供了一个如何使用GPCR-GIA web服务器的分步指南。一般来说,对于300-400个氨基酸的查询蛋白质序列,在10秒左右就可以得到所需的两级结果;序列越长,所需时间越长。


zbMATH参考文献(19篇文章引用)

显示第1至19个结果,共19个。
按年份排序(引用)

  1. Podder,Avijit;Jatana,Nidhi;Latha,N.:人类多巴胺受体相互作用网络(DRIN):网络拓扑、稳定性和功能的系统生物学观点(2014)
  2. 肖璇;闵建亮;王璞;周国臣:iCDI-PseFpt:用PseAAC和分子指纹识别细胞网络中的通道药物相互作用(2013)
  3. 刘国庆;刘国庆;刘佳佳;崔向军;蔡,陆:重组热点的序列依赖性预测(2012)
  4. 吕金龙;胡,薛海;胡东刚:一种新的预测嗜热核苷酸序列的混合分形算法(2012)
  5. 邱志军;王锡成:基于斑块的残基特征预测蛋白质相互作用位点(2012)
  6. 周国臣:蛋白质属性预测与伪氨基酸组成(2011)
  7. de Avila e Silva,Scheila;Echeverigaray,Sergio;Gerhardt,Günther J.L.:BacPP:细菌启动子预测——肠杆菌中精确西格玛因子特异性分配的工具(2011年)
  8. 冈萨雷斯-迪亚斯,亨伯托;普拉多-普拉多,弗朗西斯科;索巴佐-桑切斯,爱德华多;哈达德,穆罕默德;毛雷尔·切瓦利,塞韦林;瓦伦丁,亚历克西斯;奎丁·莱克勒克,乔·勒;迪阿尤拉,马里亚亚;戈麦斯·穆尼奥斯,玛丽娅·特雷莎;蒙特努,克里斯蒂安·R.;托雷斯·拉班德拉,胡安·何塞;加西亚·梅拉,施拉尔多;塔皮亚,里卡多a;乌贝拉,Florencio M.:NL MIND-BEST:配体和蛋白质发现的网络服务器——关于\texttgiardiamblia蛋白质和抗恶性疟原虫新化合物的理论实验研究(2011)
  9. Kavousi,Kaveh;Moshiri,Behzad;Sadeghi,Mehdi;Araabi,Babak N.;Moosavi Movahedi,Ali Akbar:通过PSSM融合不同模式的伪氨基酸组成而形成的蛋白质折叠分类器(2011年)
  10. 林浩;丁辉:用伪氨基酸组成的二肽模式预测离子通道及其类型(2011)
  11. 齐,赵辉;李玲;张志猛;齐晓琴:基于加权图的真细菌基因组自相似性分析(2011)
  12. Georgiou,D.N.;Karakasidis,T.E.;Nieto,Juan J.;Torres,A.:使用度量空间和模糊集研究遗传序列的熵/清晰度(2010)
  13. Huang,Chen;Zhang,Ruijie;Chen,Zhiqiang;Jiang,Yong帅;Shang,Zhenwei;Sun,Peng;Zhang,Xuehong;Li,Xia:基于支持向量机的离子通道蛋白预测潜在药物靶点(2010)
  14. 黄伟;张建民;王玉荣;黄丹:一种基于模糊理论的生物序列相似性分析的简单方法(2010)
  15. 季国丽;吴晓辉;沈英佳;黄江阴;李奎恩,庆顺:基于分类的信使RNA多聚腺苷酸化位点预测模型(2010)
  16. Masso,Majid;Vaisman,Iosif I.:基于知识的计算突变预测人类非同义单核苷酸多态性的疾病可能性(2010)
  17. Nanni,Loris;Brahnam,Sheryl;Lumini,Alessandra:PseAAC和基于序列的蛋白质分类描述符集(2010)
  18. 王世元;田凤春;邱宇;刘晓晓:双边相似函数:生物序列相似性分析的一种新的通用方法(2010)
  19. 俞乐正;郭彦志;李,宜州;李公兵;李梦龙;罗,杰思;熊,文佳;秦,雯丽:分泌:通过将新特征融合到周的伪氨基酸组成中来识别细菌分泌的蛋白质(2010)