iPTM mLys

iPTM-mLys:识别多个赖氨酸PTM位点及其不同类型。动机:翻译后修饰,简称PTM,是指蛋白质生物合成后氨基酸侧链的变化。蛋白质中PTM位点的预测对于深入理解各种生物过程和开发有效药物具有重要意义,目前已成为生物信息学研究的热点。虽然已经建立了许多计算方法来识别各种单标记PTM类型及其在蛋白质中的发生位置,但是还没有一种方法可以用于多标记PTM类型。作为最常见的PTM之一,K-PTM,即发生在赖氨酸(K)上的修饰,通常可与许多不同类型的PTM相适应,如乙酰化、巴豆酰化、甲基化和琥珀酰化。现在我们面临着一个有趣的挑战:给定一个含有许多K残基的非特征化蛋白质序列,哪一个能容纳两种或两种以上的PTM,哪一种只能容纳一种,哪种不能?结果:为了解决这个问题,我们开发了一种称为IPTM-MLYS的多标签预测因子。它代表了有史以来第一个建立的多标签PTM预测因子。该预测器的特点是将序列耦合效应引入通用PseAAC,并将一组基本随机森林分类器融合到一个集成系统中。通过一组多指标的严格交叉验证表明,第一个多标签PTM预测是非常有前途和令人鼓舞的。可用性和实现:为了方便大多数实验科学家,在http://www.jci-bioinfo.cn/iPTM-mLys用户无需经过复杂的数学方程,就可以很容易地得到他们想要的结果。


zbMATH中的参考文献(参考文献26条)

显示第1到第20个结果,共26个。
按年份排序(引用)
  1. 阿迪丽娜,谢赫;法里德,德万医学博士;Shatabda,Swakkhar:通过周的通用PseAAC使用关键特征预测有效的DNA结合蛋白(2019)
  2. 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)
  3. 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
  4. 汗,亚瑟·达尼尔;雅米勒,米伦;侯赛因,瓦卡尔;拉苏尔,努曼;可汗,谢尔·阿夫扎尔;周国琛:psbond-PseAAC:利用PseAAC和统计矩积分预测二硫键位点(2019)
  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-最近邻算法检测蛋白质序列中的甲酰化位点(2019)
  6. 潘毅;王世元;张琪;陆谦子;苏东青;左永春;杨磊:周氏不同伪成分和还原氨基酸组成对动物毒素的分析与预测(2019)
  7. 穆罕默德,穆罕默德;塔亚拉,希拉;Chong,Kil-To:iRNA-PseKNC(2甲基):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. 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)
  9. 赵薇;李广平;王军;周,袁科;高、杨;Du,Pu Feng:结合功能域富集分数和伪氨基酸组成预测蛋白质亚高尔基体位置(2019)
  10. 赵小伟;张,叶;宁,乔;张宏瑞;季金超;Yin,Minghao:使用粒子群优化优化的极端梯度提升系统识别N(^6)-甲基腺苷位点(2019)
  11. 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)
  12. 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)
  13. 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)
  14. 居哲;王士云: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. 梁云云;张胜利:通过Kullback-Leibler Difference将不同模式的PSSM整合到周氏的通用PseAAC中,识别革兰氏阴性细菌分泌的蛋白质类型(2018)
  16. 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)
  17. 邱文英;李珊珊;崔晓雯;俞昭敏;王明辉;杜俊伟;彭彦君;于斌:通过将伪位置特异性评分矩阵整合到周氏的伪氨基酸组成中来预测蛋白质亚软骨的位置(2018)
  18. 萨博,M。法兹利;伊克巴尔、纳迪姆;可汗,穆赫塔吉;可汗,穆斯林;马格布尔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Chou's PseKNC(2018)
  19. 桑卡里,E。湿婆;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)
  20. 阿披实喀斯利瓦斯塔瓦;库马尔,拉文德拉;Kumar,Manish:BlaPred:通过Chou's general PseAAC使用三层预测系统预测和分类(\β-内酰胺酶)(2018)