激肽磷

kinasephos2.0:一个基于序列和偶联模式识别蛋白激酶特异性磷酸化位点的web服务器。由于蛋白质磷酸化在细胞控制中的重要性,许多研究都致力于预测激酶特异性磷酸化位点。参考我们之前的工作,kinasephos1.0,结合了profile隐马尔可夫模型(HMM)和激酶特异性磷酸化位点的侧翼残基。在此,一个新的web服务器kinasephos2.0将支持向量机(SVM)与蛋白质序列轮廓和蛋白质耦合模式相结合,这是一种用于识别磷酸化位点的新特征。偶联模式[XdZ]表示由d氨基酸分离的X和Z型氨基酸的氨基酸偶联模式。为了确定训练支持向量机模型的耦合模式数,计算了瑞士Prot的磷酸化位点正序列集与背景集的耦合强度C(XdZ)的差值或商。经k倍交叉验证和Jackknife交叉验证,磷酸化丝氨酸、苏氨酸、酪氨酸和组氨酸的平均预测准确率分别为90%、93%、88%和93%。kinasephos2.0比以前开发的其他工具性能更好。拟议的web服务器可从http://KinasePhos2.mbc.nctu.edu.tw/免费获得。

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参考文献(参考 8篇文章 参考)

显示第1到第8个结果,共8个。
按年份排序(引用)

  1. 陈庆峰;罗海琼;张成琦;陈一平菲比:蛋白质激酶调控网络中的生物信息学与药物发现(2015)
  2. 徐燕;王晓波;王永翠;田英杰;邵晓健;吴凌云;邓乃阳:用核方法预测氨基酸序列的翻译后修饰位点(2014)
  3. 2010年第3期《基础科学》的翻译后修改ioport公司
  4. Biswas,Ashis Kumer;Noman,Nasimul;Sikder,Abdur Rahman:通过整合进化信息预测蛋白质磷酸化位点的机器学习方法(2010)ioport公司
  5. Gray,Genetha A.;Williams,Pamela J.;Brown,W.Michael;Faulon,Jean Loup;Sale,Kenneth L.:用于蛋白质磷酸化预测的不同数据融合(2010年)
  6. Durek,Pawel;Schudoma,Christian;Weckwerth,Wolfram;Selbig,Joachim;Walther,Dirk:3D特征性磷酸化位点基序的检测和表征及其对改进蛋白质磷酸化位点预测的贡献(2009)ioport公司
  7. Wong,Yung Hao;Lee,Tzung Yi;Liang,Han Kuen;Huang,Chia Mao;Wang,Ting Yuan;Yang,Yi Huan;Chu,Chia Huei;Huang,Xien Da;Ko,Ming Tat;Hwang,Jenn Kang:Kinasephos2.0:基于序列和偶联模式识别蛋白激酶特异性磷酸化位点的web服务器。(2007年)ioport公司
  8. 黄显达;李宗毅;郑世伟;黄显达:识别蛋白激酶特异性磷酸化位点的网络工具。(2005年)ioport公司