门海布

MemHyb:通过SAAC和PSSM杂交预测膜蛋白类型。大约50%的药物是针对膜蛋白的。了解膜蛋白的结构和功能在生物学和药理学研究中具有重要意义。因此,一种自动化的方法是非常有利的,它可以帮助根据它们的一级序列识别新的膜蛋白类型。在这篇论文中,我们解决了一个有趣的问题,即利用膜蛋白的序列信息对其进行分类。我们综合考虑了进化特征和物理化学特征,并将其应用到基于支持向量机(SVM)的分类系统中。我们使用一个强大的序列编码方案融合位置特异性评分矩阵和分裂氨基酸组成,以有效地区分膜蛋白类型。对线性、多项式和基于RBF的支持向量机分别进行了Bose、Chaudhuri和Hocquenghem编码的训练和测试。RBF-SVM在两个数据集上采用“留一”交叉验证,获得了最高的成功率,分别为91.1%和93.4%。因此,对于我们的生物信息学领域的研究人员来说,膜/蛋白质识别可能是一种有效的工具。建议的MemHyb-SVM的web服务器可以在url{http://111.68.99.218/MemHyb-SVM}访问。


zbMATH中的参考文献(参考 15篇文章,1标准件)

显示第1到15个结果,共15个。
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. Akbar,Shahid;Hayat,Maqsood:通过将SAAC的思想扩展到Chou的PseAAC中以形成RNA序列,来识别N(^6)-甲基腺苷位点(2018年)
  3. 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)
  4. 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)
  5. 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)
  6. Khan,穆斯林;Hayat,Maqsood;Khan,Sher Afzal;Ahmad,Saeed;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)
  7. Ali,Farman;Hayat,Maqsood:结合Chou的伪氨基酸组成,使用投票特征区间对膜蛋白类型进行分类(2015)
  8. Han,Guo Sheng;Yu,Zu Guo;Anh,Vo:通过将氨基酸分类和理化性质纳入Chou's PseAAC的一般形式来预测膜蛋白类型的两阶段支持向量机方法(2014)
  9. Hayat,Maqsood;Tahir,Muhammad;Khan,Sher Afzal:使用多轮廓贝叶斯和双格概率特征空间的混合空间预测蛋白质结构类(2014)
  10. Tahir,Muhammad;Khan,Asifullah;Kaya,Hüseyin:人类和仓鼠细胞系中的蛋白质亚细胞定位:使用荧光显微镜图像的局部三元模式(2014年)
  11. 冯鹏棉;丁辉;陈伟;林浩:用特征选择识别噬菌体病毒蛋白的朴素贝叶斯分类器(2013)
  12. 黄超;袁景琦:利用周氏假氨基酸组成的三种不同模式预测单位点和多位点蛋白质亚叶绿体位置(2013)
  13. Sharma,Alok;Lyons,James;Dezhangi,Abdollah;Paliwal,Kuldip K.:一种使用位置特异性评分矩阵的双gram概率进行蛋白质折叠识别的特征提取技术(2013)
  14. Hayat,Maqsood;Khan,Asifullah:通过杂交SAAC和PSSM预测膜蛋白类型(2012)
  15. 李涛;李谦忠:利用进化信息和蛋白质骨架结构解释蛋白质中的蛋白质RNA相互作用位点(2012)