iACP

iACP:一种基于序列的抗癌肽识别工具。癌症仍然是全世界的主要杀手。传统的癌症治疗方法昂贵,对正常细胞有一些有害的副作用。幸运的是,抗癌肽(ACPs)的发现为癌症治疗开辟了新的途径。随着后基因组时代多肽序列的爆炸性增长,人们迫切需要开发能够快速有效识别ACPs的计算方法,以加速其在癌症治疗中的应用。本文报告了一种基于序列的预测因子iACP,它是通过优化g-gap二肽组分的方法开发出来的。通过严格的交叉验证表明,新的预测因子在总体精度和稳定性方面都显著优于现有的预测因子。为了方便大多数实验科学家,已经在http://lin.uestc.edu.cn/server/iACP,用户可以很容易地获得他们想要的结果。


zbMATH中的参考文献(参考文献17条)

显示第1到17个结果,共17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. 艾哈迈德,贾迈勒;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. 葛莉;刘家国;张玉森;Dehmer,Matthias:使用广义混沌博弈表示法识别抗癌肽(2019)
  4. 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)
  5. 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
  6. 路特,亚灰树;Mahapatra,Rajani Kanta:\textITi恶性疟原虫CDPK5蛋白的分子建模、对接和动力学分析(2019年)
  7. 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)
  8. 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)
  9. 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)
  10. Kanatchikov,Igor V.:量子Yang-Mills理论中的薛定谔波泛函(2018)
  11. 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)
  12. 张胜利;结合跨细胞定位和PSYUN Liang预测细胞凋亡
  13. 歌德,西蒙L。;德加兰,巴斯蒂安E。;Leow,Melvin Khee-Shing:基于信号分析的个性化葡萄糖胰岛素模型(2017)
  14. 可汗,穆斯林;哈亚特,马苏德;可汗,谢尔·阿夫扎尔;艾哈迈德,赛义德;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)
  15. 帕伊,普里亚达尔希尼P。;达什,提尔塔拉吉;Mondal,Sukanta:使用概率方法对蛋白质RNA相互作用残基的序列识别(2017)
  16. 焦亚森;杜步峰:利用周氏伪氨基酸组成的一般形式预测高尔基体驻留蛋白类型:最小冗余最大相关特征选择方法(2016)
  17. 杨磊;王世元;周、孟;陈晓雯;左永春;吕英利:用拓扑性质表征BioPlex网络(2016)