2L皮尔纳

2L-piRNA：识别Piwi相互作用rna及其功能的两层集成分类器。piRNAs或piwi相互作用的RNA具有重要的细胞或基因功能，是一种长度约为19-33nt的非编码RNA。对于一个小的非编码RNA分子，我们能否仅根据其序列信息来预测它是否属于piRNA？此外，piRNA有两种类型：一种具有指示靶mRNA去基化的功能，另一种则没有。我们能区别开来吗？随着RNA序列在后基因组时代的大量涌现，解决这两个问题成为基础研究和药物开发的迫切需要。不幸的是，就我们所知，到目前为止，还没有任何计算方法可以用来处理第二个问题，更不用说同时处理这两个问题了。在这里，通过将核苷酸的物理化学性质纳入伪K-元组核苷酸组成（PseKNC），我们提出了一个强大的预测因子2L-piRNA。它是一个两层集成分类器，第一层用于识别查询的RNA分子是piRNA还是非piRNA，第二层用于识别piRNA是否具有指示靶mRNA去基化的功能。严格的交叉验证表明，所提出的预测成功率相当高。为了方便大多数生物学家和药物开发科学家，2L-piRNA的web服务器已经在http://bioinformatics.hitsz.edu.cn/2L-piRNA/上建立，用户无需查阅数学细节，就可以轻松地获得他们想要的结果。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH参考文献（参考 25篇文章 引用）

显示第1到第20个结果，共25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. 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）
  3. 陈晓娟（音译）的交互作用；Zhou Zuan，Zhou Zuan；Zhuao Zua；Zhuao Zua；Zhuao Zuo；Jiao Zua；Zhuao Zua；Zhuao Zua；Zhuao Zua；Zhou Zua；Zhuao Zhua；Zhou Zua；Zho
  4. 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）
  5. 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）
  6. 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）
  7. 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）
  8. Zhang Sulfong，Sulfong的Sulfuac，2019年，Sulfou，Sulfou蛋白质鉴定；Predeahua，fusing，2019年
  9. 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）
  10. 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）
  11. 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）
  12. Chiu，Jimmy Ka Ho；Dillon，Tharam S.；Chen，Yi Ping Phoebe:RNA家族中的大规模频繁茎模式挖掘（2018）
  13. 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）
  14. 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）
  15. 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）
  16. 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）
  17. 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）
  18. Sabooh，M.Fazli；Iqbal，Nadeem；Khan，Mukhtaj；Khan，穆斯林；Maqbool，H.F.：使用复合编码特征识别RNA序列中的5-甲基胞嘧啶位点到Chou的PseKNC中（2018年）
  19. 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）
  20. Srivastava，Abhishikha；Kumar，Ravindra；Kumar，Manish:BlaPred:通过Chou的general PseAAC使用三层预测系统预测和分类（\β-内酰胺酶）（2018年）