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. 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
  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. 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）
  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. 预测蛋白质的位置：崔俊敏、周明敏、周明敏、周明敏等；结合蛋白质的伪成分；赵明山；赵明敏；赵明山；结合蛋白质组分
  18. 识别muzl-Khan基因序列；识别muzl-kh-kh基因序列；使用cytoh-kh-kh基因序列；识别muzl-kh基因序列
  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）