细胞PLOC

细胞PLOC:一组用于预测各种生物体中蛋白质亚细胞定位的Web服务器。蛋白质的亚细胞定位信息对分子细胞生物学、蛋白质组学、系统生物学和药物发现具有重要意义。为了提供绝大多数的实验科学家与用户友好的工具在这些领域中,我们提出了一套Web服务器最近开发的杂交“更高层次”的方法与从头算方法。该包被称为细胞PLOC,包含以下六个预测因子:Euk mPLoc、HUM MPLOC、植物PLOC、Gpos PLoc、Gneg PLoc和病毒PLOC,分别专门用于真核、人、植物、Gram阳性细菌、Gram阴性细菌和病毒蛋白。使用这些Web服务器,可以很容易地得到期望的预测结果,具有高的预期精度,如一系列交叉验证试验所证明的,该基准数据集覆盖了22个亚细胞位置位点,并且其中没有包含的蛋白质具有大于或等于25%的序列同一性的任何其他蛋白质。在相同的亚细胞定位子集中。这些Web服务器中的一些也可以特别用于处理多重蛋白质,其可以同时存在于或移动在两个或更多个不同亚细胞位置之间。具有多个位点或这种动态特征的蛋白质是特别有趣的,因为它们可能具有一些特殊的生物学功能,在基础研究和药物发现中对研究者都很有吸引力。这个协议是一个分步指南,说明如何在CELL PLOC包中使用Web服务器预测器。在大多数情况下,每个预测的计算时间小于5秒。该单元PLOC包可以在HTTP://CHU.MED.HARVAD.EDU/BIOFIN /CELL PLOC中自由访问。


ZBMaCT中的参考文献(90篇文章中引用)

显示结果1至20的90。
按年份排序(引文
  1. 艾哈迈德,贾马尔;HayAT,MqSOOD:MFSC:基于Couth-PaSac分量的一般形式的高尔基蛋白质分类的多投票特征选择(2019)
  2. 沈,沂南;Tang,姬军;郭,费:通过将进化和理化信息整合到Chou的普通PseAAC中识别蛋白质亚细胞定位(2019)
  3. 赵,Xiaowei;张,叶;宁,Qiao;张,洪瑞;冀,Jinchao;尹,明浩:用粒子群优化算法优化极值提升系统识别N(^ 6)-甲基腺苷位点(2019)
  4. AkBar,Shahid;HayAT,MqSOOD:IMTSTNNC:通过将SAAC的想法扩展到周氏的PASAAC序列来鉴定N(^ 6)-甲基腺苷位点(2018)
  5. 程,Xiang;萧,Xuan;Chou,阔晨:PLOCHI-BAL-MGNEG:拟平衡训练数据集和普通PseAAC(2018)预测革兰氏阴性细菌蛋白的亚细胞定位
  6. Dehzangi,AbdoLah;L. Pez,Yosvany;LaL,Sunil Pranit;TaelZadih,Ghazaleh;Michaelson,雅各伯;SATAR,阿卜杜勒;SunODA,Tatsuhiko;夏尔马,AlOK:PSSM SUC:用位置特定的评分矩阵准确预测琥珀酰化为特征提取的二元模型(2017)
  7. 应用CGH数据预测晚期大肠癌转移(2017)
  8. 焦,Ya Sen;杜,Pu Feng:用假性氨基酸组成预测高尔基常驻蛋白质类型:具有位置特异性理化性质的方法(2016)
  9. 焦,Ya Sen;杜,Pu Feng:用Chou伪氨基酸组成的一般形式预测高尔基常驻蛋白质类型:最小冗余最大相关特征选择方法(2016)
  10. Ali,Farman;HayAT,MaqSOod:利用投票特征区间结合Chou伪氨基酸组成分类膜蛋白类型(2015)
  11. Arango Argoty,G. A.,Jaramillo Garz,N,J. A.;CaselaNOS DOMIN NGEZ,G.:用统计接触电位和小波变换提取革兰氏阴性细菌蛋白中亚细胞定位的特征提取(2015)
  12. Dehzangi,Abdollah;Heffern南,Rhys;夏尔马,ALOK;里昂,杰姆斯;Paliwal,Kuldip;SATAR,阿卜杜勒:革兰氏阳性和革兰氏阴性蛋白质亚细胞定位,将进化的描述符结合到Chou的普通PseAAC(2015)
  13. 可汗,Zaheer Ullah;HayAT,Maqsood;可汗,Muazzam Ali:结合概率神经网络模型结合Chou的伪氨基酸组成鉴别酸性和碱性酶(2015)
  14. Gaoshan;冯,荣格:基于化学位移的二次判别算法识别五种简单的超二级结构(2015)
  15. 皖,Shibiao;MAK,曼外;Kung,孙元:MasasoHUM:一种基于套索的可解释人类蛋白质亚细胞定位预测器(2015)
  16. 赵,Xiaowei;宁,Qiao;沙伊,海亭;马,支强:用迭代半监督学习技术精确识别蛋白质琥珀酰化位点(2015)
  17. Bakhtiarizadeh,Mohammad Reza;Moradi Shahrbabak,穆罕默德;ErabHimi,Mansour;Ebrahimie,ESMAEIL:神经网络和SVM分类器准确地预测脂质结合蛋白,而不管序列同源性(2014)
  18. 林,Thy Hou;Tsai,Tsung Lin:利用遗传算法训练的SVM(2014)选择的一些分子特征,由人类或猪黄素单加氧酶构建某些代谢性药物的线性QSAR(英文)
  19. 李,Xiaomei;吴,新垌;吴,公青:基于加权GO转移模型的蛋白质亚叶绿体位置预测的稳健特征生成(2014)
  20. 里昂,杰姆斯;BiSIS,Neela;夏尔马,Alok;DeZangangi,Abdollah;Paliwal,Kuldip K.:利用核化动态时间扭曲对氨基酸残基进行排列的蛋白质折叠识别(2014)