iHyd PseAAC公司

iHyd-PseAAC:通过将二肽位置特异性结合到伪氨基酸组成中来预测蛋白质中的羟脯氨酸和羟赖氨酸。翻译后修饰(PTMs)在各种细胞功能和生物学过程中起着至关重要的作用。蛋白质羟基化是PTM的一种类型,通常发生在脯氨酸和赖氨酸位点。给定一个没有特征的蛋白质序列,它的Pro(或Lys)的哪个部位可以羟基化,哪个部位不能羟基化?这是一个具有挑战性的问题,不仅对于深入理解羟基化的机理,而且对于药物开发也是一个挑战,因为蛋白质羟基化与胃癌、肺癌等重大疾病密切相关。随着后基因组时代产生的蛋白质序列的雪崩,人们迫切需要开发计算方法来解决这个问题。鉴于此,提出了一种新的预测因子iHyd-PseAAC(根据伪氨基酸组成识别羟基化),将二肽位置特异性纳入伪氨基酸组成的一般形式。通过对严格的基准数据集进行严格的交叉验证测试,证明了新的预测方法具有很好的应用前景,有望成为该领域一种有用的高通量工具。iHyd PseAAC的用户友好型web服务器可访问http://app.aporc.org/iHyd PseAAC/。此外,为了方便大多数实验科学家,我们给出了一个如何使用web服务器的分步指南。用户只要按照这些步骤就可以很容易地得到他们想要的结果,而不需要理解本文所提出的复杂的数学方程。


zbMATH中的参考文献(参考文献16条)

显示第1到16个结果,共16个。
按年份排序(引用)

  1. 陈国栋;曹操,伙计;俞佳琳;郭新云;施少平:周氏通用PseAAC结合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)
  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;萧萱;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. 宁,乔;马志强;赵晓伟:Dforml(KNN)-PseAAC:通过周的5步规则和伪成分使用K-最近邻算法检测蛋白质序列中的甲酰化位点(2019)
  6. 塔希尔,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)
  7. 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)
  8. 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)
  9. 阿克巴,沙希德;Hayat,Maqsood:二甲基STTNC:通过将SAAC的概念扩展到Chou的PseAAC中以形成RNA序列来识别N(^6)-甲基腺苷位点(2018)
  10. 贾建华;刘、子;晓萱;刘炳祥;周国臣:pSuc赖氨酸:用PseAAC和集合随机森林法预测蛋白质中赖氨酸琥珀酰化位点(2016)
  11. 阿拉姆,礼萨·佐胡里;Charkari,Nasrollah Moghadam:蛋白质折叠识别的两层分类框架(2015)
  12. 丁燕瑞;王雪芹;牟兆林:铁超氧化物歧化酶氨基酸网络中的群落(2015)
  13. 居哲;曹君哲;Gu,Hong:iLM-2L:通过将K-gap氨基酸对纳入Chou的general PseAAC(2015),识别蛋白质赖氨酸甲基化位点及其甲基化程度的两级预测因子(2015)
  14. 可汗,扎希尔乌拉;哈亚特,马苏德;Khan,Muazzam Ali:结合概率神经网络模型,使用Chou的伪氨基酸组成区分酸性和碱性酶(2015)
  15. 库马尔,拉文德拉;阿披实喀斯利瓦斯塔瓦;库马里,班达纳;Kumar,Manish:用Chou的伪氨基酸组成和支持向量机预测(\β)-内酰胺酶及其类别(2015)
  16. 张强;李红;赵晓青;郑、严;周德良:外显子结合区和EJC结合区外显子与内含子序列匹配的分布偏差。埃勒根(2015)