PSNO公司 swMATH ID: 27678 软件作者: 张杰。;X.赵。;Sun,P。;马,Z。 描述: PSNO:通过将各种序列衍生特征纳入Chou’S PseAAC的一般形式来预测半胱氨酸S-硝基化位点。S-亚硝基化(SNO)是许多生物过程中最普遍的可逆翻译后修饰之一。SNO的功能异常或失调会导致一系列严重的疾病,如发育异常和各种疾病。因此,SNO位点的识别为疾病进展和药物开发提供了见解。本文提出了一种新的生物信息学工具PSNO,用于从蛋白质序列中识别SNO。首先,我们探索了各种有希望的序列衍生鉴别特征,包括进化轮廓、预测的二级结构和物理化学性质。其次,我们使用相对熵选择和增量特征选择方法来选择最优特征子集,而不是简单地组合特征,这可能会带来信息冗余和不必要的噪声。第三,利用k近邻算法对模型进行训练。我们的方法PSNO利用信息特征和精心设计的特征选择方案,在10倍交叉验证的训练数据集上取得了良好的预测性能,平均马修斯相关系数(MCC)约为0.5119。这些结果表明,PSNO可以作为最先进的SNO预测工具中的竞争性预测工具。一个名为PSNO的web服务器实现了所建议的方法,可以在http://59.73.198.144:8088/PSNO/。 主页: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4139777网址/ 相关软件: iHyd-PseAAC公司;邻硝基-Tyr;iSNO-PseAAC公司;iMethyl-PseAAC(异甲基苯丙酮);iPTM毫升;pLoc-mHum(位置-湿度);iRNA-2甲基;iRNA心理健康;iSNO-AAP航空公司;iRSpot-PseDNC公司;PseKNC公司;iSuc-选择权;综合布线;财产;iCar-PseCp公司;pSumo光盘;iUbiq-Lys系统;iRO-3wPseKNC;pLoc-工厂;pLoc-动物 引用于: 6文件 全部的 前5名17位作者引用 2 宁、乔 2 赵晓伟 1 沙希德·阿克巴 1 曹俊哲 1 Chong,Kil To村 1 顾红红 1 马苏德·海亚特 1 纪金超 1 朱哲 1 拉文德拉·库马尔 1 班达纳库马里 1 马志强 1 阿比希哈·斯利瓦斯塔瓦 1 希拉·塔亚拉 1 尹明浩 1 张宏瑞 1 张,叶 连载1篇 6 理论生物学杂志 在3个字段中引用 6 生物学和其他自然科学(92-XX) 2 计算机科学(68至XX) 1 运筹学、数学规划(90-XX) 按年份列出的引文