埃尔斯波特

iRSpot EL:用集成学习方法识别重组点。动机:减数分裂和重组共存于DNA系统中,是细胞繁殖和生长不可缺少的两个方面。在后基因组时代,随着基因组序列的雪崩,获得DNA重组位点的信息是一个迫切的挑战,因为它可以及时地为减数分裂重组的机制和基因组进化过程提供非常有用的信息。结果:为了解决这一挑战,我们开发了一个预测因子IRSPOT-EL:,它将伪K-元组核苷酸组成的不同模式和基于二核苷酸的自互协方差模式融合到聚类方法的集成分类器中。对一个广泛使用的基准数据集进行的五倍交叉测试表明,新的预测值显著优于现有的预测值。特别是,新的预测因子远远超出了他们的能力范围,可以很容易地用于全基因组分析,所得结果与实验图谱非常一致。可用性和实现:为了方便大多数实验科学家,在http://bioinformatics.hitsz.edu.cn/iRSpot-EL/,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28条)

显示第1到第20个结果,共28个。
按年份排序(引用)
  1. 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)
  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. 吕福华;朱茂树;林英;钟宏斌;蔡磊;他,林;周国臣:CTLA-4-ig治疗狼疮性肾炎的初步疗效评估(2019年)
  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. 田宝光;吴雪;陈,程;邱文英;马、秦;于斌:融合不同的周氏伪成分并使用小波去噪方法预测蛋白质-蛋白质相互作用(2019)
  9. 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)
  10. 严,袁婷;吴曾宝;杜秀全;陈杰;赵、蜀;张彦平:一种非平衡数据过采样的三向决策集成方法(2019)
  11. 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)
  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. 赵家豪;狄龙,塔拉姆S。;陈一平:RNA家族中大规模频繁茎模式挖掘(2018)
  15. 贾、仓植;杨青;邹全:NucPosPred:general PseKNC的四种不同模式预测物种特异性基因组核小体定位(2018)
  16. 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)
  17. 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)
  18. 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)
  19. 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)
  20. 萨博,M.法兹利;伊克巴尔、纳迪姆;可汗,穆赫塔吉;可汗,穆斯林;Maqbool,H.F.:利用复合编码特征识别RNA序列中的5-甲基胞嘧啶位点到周氏PseKNC中(2018)