iPromoter-2L

iPromoter-2L:基于多窗口PseKNC识别启动子及其类型的两层预测器。动机:启动子是DNA的一个短区域,负责启动基因组中特定基因的交易。不同类型的启动子具有不同的功能。由于其在生物过程中的重要性,人们迫切需要开发计算机工具来及时识别启动子及其类型。面对在后基因组时代发现的DNA序列的雪崩,这样的挑战变得尤为关键和紧迫。虽然已经发展了一些预测方法,但它们只能用来区分特定类型的启动子和非启动子。他们中没有一个能够识别发起人的类型。这是因为不同类型的启动子可能具有非常相似的一致序列模式,而同一类型的启动子可能具有相当不同的一致序列。结果:为了克服这一困难,我们利用基于多窗口的PseKNC(pseudo K-tuple nucleutic composition,PseKNC)方法结合短、中、长程序列信息,开发了一个名为“iPromoter-2 L”的两层无缝预测因子。第一层用于识别一个查询的DNA序列作为启动子还是非启动子,第二层用来预测所识别的启动子属于以下六种类型中的哪一种:σ24、σ28、σ32、σ38、σ54和σ70。可用性和实现:为了方便大多数实验科学家,已在http://bioinformatics.hitsz.edu.cn/iPromoter-2L/上建立了一个用户友好且可公开访问的web服务器。预计iPromoter-2 L将成为一种非常有用的高通量基因组分析工具。


zbMATH参考文献(参考 22篇文章

显示第1到第22个结果。
按年份排序(引用)
  1. Ahmad,Jamal;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. 陈国栋,曹,满,俞佳林,郭新云,史少平:周氏通用PseAAC中六种特征对原核生物赖氨酸乙酰化位点的预测与功能分析(2019)
  3. Hussain,Waqar;Khan,Yaser Daanial;Rasool,Nouman;Khan,Sher Afzal;Chou,Kuo Chen:Sprenlc PseAAC:通过Chou的5步规则和通用PseAAC开发的序列模型,用于识别蛋白质中的s-prenylization位点(2019年)
  4. 贾建华;李晓燕;邱,王仁;肖,宣;周,郭晨:iPPI PseAAC(CGR):通过将混沌博弈表示纳入PseAAC(2019年),识别蛋白质相互作用
  5. Khan,Yaser Daanial;Jamil,Mehreen;Hussain,Waqar;Rasool,Nouman;Khan,Sher Afzal;Chou,Kuo Chen:PSBOND PseAAC:通过PseAAC和统计矩积分预测二硫键合位点(2019年)
  6. 吕福华;朱茂树;林英英;钟宏斌;蔡磊;何,林;周国臣:CTLA-4-ig治疗狼疮性肾炎的初步疗效评价(2019年)
  7. 潘奕;王世元;张琦;陆倩子;苏东青;左永春;杨磊:周氏各种伪成分和还原氨基酸组成对动物毒素的分析与预测(2019)
  8. Tahir,Muhammad;Tayara,Hilal;Chong,Kil-To:iRNA-PseKNC(2methyl):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)
  9. 田宝光;吴,薛;陈,程;邱文英;马,秦;余,斌:融合周氏伪成分,利用小波去噪方法预测蛋白质-蛋白质相互作用(2019)
  10. Wang,Lidong;Zhang,Ruijun;Mu,Yashuang:Fu-SulfPred:通过Chou'S general PseAAC确定蛋白质S-硫基化位点(2019年)
  11. 赵晓伟;张晓伟;张,叶;宁,乔;张宏瑞;纪金超;尹明浩:用粒子群优化的极值梯度提升系统识别N(^6)-甲基腺苷位点(2019)
  12. Arif,Muhammad;Hayat,Maqsood;Jan,Zahoor:IMem-2LSAAC:通过将SAAC的概念扩展到Chou的伪氨基酸组成中来识别膜蛋白及其类型的两级模型(2018年)
  13. Cheng,Xiang;Xiao,Xuan;Chou,Kuo Chen:pLoc峈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. Jimmy Dillon S,大型家庭;Jimmy Dillon S,mining;Jimmy Dillon S;大型家庭;Jimmy Dillon S;2018年
  15. 贾仓智;杨青;邹权:基于通用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. Ju,Zhe;Wang,Shi Yun: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;付,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;李文英;李珊珊;崔晓雯;俞昭敏;王明辉;杜俊伟;彭彦军;俞斌:通过将伪位置特异性评分矩阵纳入周氏伪氨基酸组成预测蛋白质亚软骨位置(2018)
  20. Sankari,E.Siva;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)