×
梅，胡安；傅毅；赵，季

利用特征选择和Chou的一般伪氨基酸组成分析和预测离子通道抑制剂。 （英语） Zbl 1406.92198号

J.西奥。生物。 456, 41-48 (2018).
摘要：毒物动物产生的毒素具有高亲和力，能够抑制离子通道。这些小肽抑制剂用于离子通道的结构和药理学表征。因此，鉴定这些毒素是一项重要任务。在本研究中，基于伪氨基酸（PseAA）组成和特征选择方法，使用随机森林算法预测三组不同的离子通道抑制剂。预测结果表明，通过折刀试验评估，我们的算法对钙通道抑制剂的灵敏度达到60.00%，对钾通道抑制剂的敏感性达到71.90%，对钠通道抑制剂的敏感度达到86.80%。此外，为了与其他算法进行比较，使用该算法对含有343个离子通道抑制剂的数据集进行预测，我们的算法获得了比以前算法更高的预测成功率。

引用于2文件

MSC公司：

92C40型 生物化学、分子生物学
62F40型 引导、折刀和其他重采样方法
第62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

随机森林；Jackknife检验；特征选择；预测性能

软件：

国际有色人种协进会；pLoc-mHum（位置-湿度）；pSuc-Lys公司；iDHS-EL公司；iKcr-PseEns公司；iHSP-PseRAAAC系统；pLoc-工厂；pLoc-mGneg公司；iEnhancer-2L型；前言；iPromoter-2L型；iRSpot-EL接口；DPP-PseAAC公司；iRNAm5C-PseDNC；iATC-mHyb公司；pLoc-mEuk公司；iRNA-PseColl基因；国际RNA-AI；pLoc-m病毒；pLoc-动物；普南-PC；iROS-gPseKNC；iCDI-PseFpt公司；iOri人类；iPhos-PseEn公司；iPhos-PseEvo公司；综合布线；iDNA-程序；iPro54-PseKNC；国际RSpot-TNCPseAAC；iPPI-Esml接口；iDrug目标；iAMP-2L型；iLoc-Hum公司；iSuc-选择权；iLoc-动物；iLoc-Euk公司；iProt-Sub（iProt-Sub）；PseKNC公司；iRSpot-PseDNC公司；iCTX类型；iSS-PseDNC公司；iRNA-甲基；AFP-Pred公司；iMethyl-PseAAC（异甲基苯丙酮）；iSNO-PseAAC公司；iTIS-SeTNC公司；iEzy-药物；iSNO-AAP航空公司；iRNA-PseU基因；iRNA-3类型A；iUbiq-Lys系统；2L-piRNA；iHyd-PseCp公司；iRO-3wPseKNC；iDNA6mA-PseKNC公司；i增强-EL；iRSpot-Pse6NC；iMiRNA-PseDPC；iCar-PseCp公司；iPTM毫升；双鱼座；pSumo光盘；伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit｛J.Mei｝等人，J.Theor。生物学456，41-48（2018；Zbl 1406.92198）
全文： 内政部

参考文献：

[1] Arif，M。；海亚特，M。；Jan，Z.，iMem-2LSAAC：通过将SAAC的概念扩展到Chou的伪氨基酸组成中来区分膜蛋白及其类型的两级模型，J.Theor。生物学，442，11-21（2018）·Zbl 1397.92180号
[2] Boeckmann，B。；Bairoch，A。；阿普韦勒，R。；布拉特，M.C。；Estreicher，A。；Gasteiger，E。；马丁·M·J。；Michoud，K。；奥多诺万，C。；Phan，I.，SWISS-PROT蛋白质知识库及其补充TrEMBL，2003年，Nucl。《酸类研究》，31，365-370（2003）
[3] Breiman，L.，《随机森林》，马赫。学习。，45, 5-32 (2001) ·Zbl 1007.68152号
[4] Cai，Y.D。；Lu，L.，基于特征选择方法预测N-末端乙酰化，生物化学。生物物理学。Res.Commun.公司。，372, 862-865 (2008)
[5] 卡特尔，W.A。；塞塞莱，S。；Yarov-Yarovoy，V。；Yu，F.H。；Konoki，K。；Scheuer，T.，电压门控离子通道和门控修饰毒素，毒理学，49，124-141（2007）
[6] Chang，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。，2, 1-27 (2011)
[7] 陈，J。；刘，H。；杨，J。；Chou，K.C.，使用氨基酸对抗原性量表预测线性B细胞表位，氨基酸，33423-428（2007）
[8] Chen，W。；Lin，H。；Chou，K.C.，《伪核苷酸组成或PseKNC：分析基因组序列的有效配方》，Mol.Biosyst。，11, 2620-2634 (2015)
[9] Chen，W。；冯，P.M。；Lin，H。；Chou，K.C.，iRSpot-PseDNC：用伪二核苷酸成分识别重组点，Nucl。《酸类研究》，41（2013），e68-e68
[10] Chen，W。；冯，P.M。；Lin，H。；Chou，K.C.，iSS-PseDNC：使用伪二核苷酸成分识别剪接位点，生物医学。Res.Int.，2014，第623149条，pp.（2014）
[11] Chen，W。；Lei，T.Y。；Jin，D.C。；Lin，H。；Chou，K.C.，PseKNC：生成伪K元组核苷酸组成的灵活web服务器，Ana。生物化学。，456, 53-60 (2014)
[12] Chen，W。；冯，P.M。；邓，E.Z。；Lin，H。；Chou，K.C.，iTIS-PseTNC：一种基于序列的预测因子，用于使用伪三核苷酸组成识别人类基因中的翻译起始位点，Ana。生物化学。，462, 76-83 (2014)
[13] Chen，W。；冯，P.M。；丁，H。；Lin，H。；Chou，K.C.，iRNA-甲基：使用伪核苷酸组成识别N6-甲基腺苷位点，Anal。生物化学。，490, 26-33 (2015)
[14] Chen，W。；丁，H。；冯，P.M。；Lin，H。；Chou，K.C.，iACP：一种用于识别抗癌肽的基于序列的工具，Oncotarget，716895-16909（2016）
[15] Chen，W。；冯，P.M。；丁，H。；Lin，H。；Chou，K.C.，使用变形能量分析基因组中的核小体定位，基因组学，107，69-75（2016）
[16] Chen，W。；Tang，H。；Ye，J。；Lin，H。；Chou，K.C.，iRNA-PseU：识别RNA假尿苷位点，分子疗法。编号。酸，5，e332（2016）
[17] Chen，W。；冯，P.M。；Yang，H。；丁，H。；Lin，H。；Chou，K.C.，iRNA-AI：识别RNA序列中腺苷-肌苷编辑位点，Oncotarget，84208-4217（2017）
[18] Chen，W。；冯，P.M。；Yang，H。；丁，H。；Lin，H。；Chou，K.C.，iRNA-3型A：识别RNA腺苷位点的三种修饰，分子疗法。编号。酸，11468-474（2018）
[19] Cheng，X。；Xiao，X。；Chou，K.C.，pLoc-mGneg：通过通用PseAAC的深层基因本体学习预测革兰氏阴性细菌蛋白质的亚细胞定位，基因组学（2017）
[20] Cheng，X。；Xiao，X。；Chou，K.C.，pLoc-mVirus：通过将最佳GO信息合并到一般PseAAC中来预测多位置病毒蛋白的亚细胞定位，Gene，628，315-321（2017）
[21] Cheng，X。；Xiao，X。；Chou，K.C.，pLoc-mPlant：通过将最佳GO信息纳入一般PseAAC，Mol.Biosyst.，预测多位置植物蛋白的亚细胞定位。，13, 1722-1727 (2017)
[22] Cheng，X。；Xiao，X。；Chou，K.C.，pLoc-mHum：通过通用PseAAC预测多位置人类蛋白质的亚细胞定位，以筛选出关键的GO信息，生物信息学，341448-1456（2018）
[23] Cheng，X。；Xiao，X。；Chou，K.C.，pLoc-mEuk：通过将关键GO信息提取到通用PseAAC中来预测多标签真核蛋白的亚细胞定位，基因组学，110，50-58（2018）
[24] Cheng，X。；Zhao，S.G。；Xiao，X。；Chou，K.C.，iATC-mHyb:一种用于预测解剖治疗化学物质分类的混合多标签分类器，Oncotarget，8，58494-58503（2017）
[25] Cheng，X。；Zhao，S.G。；Xiao，X。；Chou，K.C.，iATC-mISF：预测解剖治疗化学物质类别的多标签分类器，生物信息学，33，341-346（2017）
[26] Cheng，X。；Zhao，S.G。；Lin，W.Z。；Xiao，X。；Chou，K.C.，pLoc-mAnimal:预测动物蛋白质的亚细胞定位，生物信息学，33，3524-3531（2017）
[27] Chou，K.C.，使用亚基偶联预测信号肽，蛋白质工程，14，75-79（2001）
[28] Chou，K.C.，使用缩放窗口预测信号肽，肽，21973-1979（2001）
[29] Chou，K.C.，使用伪氨基酸成分预测蛋白质细胞属性，蛋白质：结构。功能。遗传学。，43, 246-255 (2001)
[30] Chou，K.C.，使用两亲性伪氨基酸组成预测酶亚科类别，生物信息学，21，10-19（2005）
[31] Chou，K.C.，《伪氨基酸组成及其在生物信息学、蛋白质组学和系统生物学中的应用》，Curr。蛋白质组学，2626-274（2009）
[32] Chou，K.C.，关于蛋白质属性预测和伪氨基酸组成的一些评论，J.Theor。生物学，273236-247（2011）·Zbl 1405.92212号
[33] Chou，K.C.，《关于预测分子生物系统中多标签属性的一些评论》，Mol.Biosyst。，9, 1092-1100 (2013)
[34] Chou，K.C.，生物信息学对药物化学的影响，医学化学。，11, 218-234 (2015)
[35] 周，K.C.，《生物科学进步推动的药物化学史上前所未有的革命》，Curr。顶级药物化学。，17, 2337-2358 (2017)
[36] Chou，K.C。；Shen，H.B.，Reveiw：《开发用于预测蛋白质属性的网络服务器的最新进展》，《自然科学》。，1, 63-92 (2009)
[37] Chou，K.C。；吴振聪。；Xiao，X.，iLoc-Euk:预测单重和多重真核蛋白亚细胞定位的多标记分类器，《公共科学图书馆·综合》，6，e18258（2011）
[38] Chou，K.C。；吴振聪。；Xiao，X.，iLoc-Hum：利用累积-标签尺度预测人类蛋白质在单位点和多位点的亚细胞位置，Mol.Biosyst。，8, 629-641 (2012)
[39] 达旺，R。；瓦什尼，A。；马修，M.K。；Lala，A.K.，BTK-2，一种新的Kv1.1钾通道抑制剂，从印度蝎子Buthus tamulus中提纯，FEBS Lett。，539，7-13（2003年）
[40] 丁，C。；Peng，H.，从微阵列基因表达数据中选择最小冗余特征，J.Bioninform。计算。生物学，3185-205（2005）
[41] 丁，H。；邓，E.Z。；袁，L.F。；刘，L。；Lin，H。；Chen，W。；Chou，K.C.，iCTX-Type：一种基于序列的预测因子，用于识别靶向离子通道中芋螺毒素的类型，Biomed。Res.Int.，2014，第286419条，pp.（2014）
[42] Diochot，S。；萨利纳斯，M。；Baron，A。；Escoubas，P。；Lazdunski，M.，酸敏感离子通道的肽抑制剂，毒理学，49，271-284（2007）
[43] Fan，Y.N。；Xiao，X。；Min，J.L。；Chou，K.C.，iNR-drug：预测药物与细胞网络中核受体的相互作用，国际生物学杂志。科学。，15, 4915-4937 (2014)
[44] 冯，P.M。；Chen，W。；Lin，H。；Chou，K.C.，iHSP-PseRAAAC：使用伪还原氨基酸字母组合识别热休克蛋白家族，Ana。生物化学。，442, 118-125 (2013)
[45] 冯，P.M。；丁，H。；Yang，H。；Chen，W。；Lin，H。；Chou，K.C.，iRNA-PseColl：通过将核苷酸的集体效应纳入PseKNC，Mol.Ther，确定不同RNA修饰的发生位置。编号。酸，7155-163（2017）
[46] 冯，P.M。；Yang，H。；丁，H。；Lin，H。；Chen，W。；Chou，K.C.，iDNA6mA-PseKNC：通过将核苷酸的物理化学性质纳入PseKNC:识别DNA N6-甲基腺苷位点，基因组学，01（2018）
[47] E.弗兰克。；霍尔，M。；Trigg，L。；霍姆斯，G。；Witten，I.H.，使用Weka的生物信息学数据挖掘，生物信息学，202479-2481（2004）
[48] 何，Z。；张杰。；史晓华（Shi，X.H.）。；胡丽莲。；孔，X。；Cai，Y.D。；Chou，K.C.，基于官能团和生物学特征预测药物靶标相互作用网络，PLoS One，5，e9603（2010）
[49] 贾建华。；刘，Z。；Xiao，X。；刘，B.X。；Chou，K.C.，iPPI-Esml：一种集成分类器，用于通过将蛋白质的物理化学性质和小波变换合并到PseAAC，J.Theor中来识别蛋白质的相互作用。《生物学》，377，47-56（2015）
[50] 贾建华。；刘，Z。；Xiao，X。；刘，B.X。；Chou，K.C.，pSuc-Lys：利用PseAAC和集合随机森林方法预测蛋白质中的赖氨酸琥珀酰化位点，J.Theor。生物学，394223-230（2016）·Zbl 1343.92153号
[51] 贾建华。；张，L.X。；刘，Z。；Xiao，X。；Chou，K.C.，pSumo-CD：通过将序列耦合效应纳入一般PseAAC，使用协方差判别算法预测蛋白质中的sumoylation位点，生物信息学，32，3133-3141（2016）
[52] 贾建华。；刘，Z。；Xiao，X。；刘，B.X。；Chou，K.C.，iCar-PseCp：通过蒙特卡罗采样和将序列耦合效应纳入一般PseAAC，Oncotarget，734558-34570（2016），确定蛋白质中的羰基化位点
[53] 贾建华。；刘，Z。；Xiao，X。；刘，B.X。；Chou，K.C.，iSuc-PseOpt：通过将序列耦合效应纳入伪组分并优化不平衡训练数据集来识别蛋白质中的赖氨酸琥珀酰化位点，Ana。生物化学。，497, 48-56 (2016)
[54] 贾建华。；刘，Z。；Xiao，X。；刘，B.X。；Chou，K.C.，《通过将物理化学特性和平稳小波变换纳入伪氨基酸组成来识别蛋白质结合位点》，J.Biomol。结构。动态。，34, 1946-1961 (2016)
[55] Ju，Z。；Wang，S.Y.，通过将k间距氨基酸对纳入Chou的一般伪氨基酸组成预测瓜氨酸化位点，Gene，664，78-83（2018）
[56] Kaczorowski，G.J。；O.B.麦克马纳斯。；牧师，B.T。；Garcia，M.L.，离子通道作为药物靶点：下一个GPCR，J.Gen.Physiol。，131, 399 (2008)
[57] Kandaswamy，K.K。；Chou，K.C。；马丁内茨，T。；Möller，S。；Suganthan，P.N。；Sridharan，S。；Pugalenthi，G.，AFP-Pred：从序列衍生特性预测抗冻蛋白的随机森林方法，J.Theor。生物学，27056-62（2011）
[58] Y.D.Khan。；北卡罗来纳州拉苏尔。；侯赛因，W。；汗，S.A。；Chou，K.C.，iPhosT-PseAAC：通过将序列统计矩合并到PseAAA中来识别磷酸苏氨酸位点，Anal。生物化学。，550109-116（2018）
[59] Kruskal，W.H。；Wallis，W.A.，《单标准方差分析中秩的使用》，美国统计协会期刊，47，583-621（1952）·Zbl 0048.11703号
[60] Lee，S.Y。；MacKinnon，R.，蜘蛛毒液中电压传感器毒素抑制离子通道的膜接入机制，《自然》，430232-235（2004）
[61] Lin，H。；邓，E.Z。；丁，H。；Chen，W。；Chou，K.C.，iPro54-PseKNC：一种基于序列的预测因子，用于识别具有伪K元组核苷酸组成的原核生物中的sigma-54启动子，Nucl。《酸类研究》，42，12961-12972（2014）
[62] Lin，S.X。；Lapointe，J.，《理论和实验生物学》，在一场研讨会上发表，以纪念郭振秋教授50周年和理查德·吉格教授40周年的科学生涯，J.Biomed。科学。，6, 435-442 (2013)
[63] Lin，W.Z。；Fang，J.A。；Xiao，X。；Chou，K.C.，iDNA-Prot:使用灰色模型随机森林识别DNA结合蛋白，《公共科学图书馆·综合》，6，e24756（2011）
[64] Lin，W.Z。；Fang，J.A。；Xiao，X。；Chou，K.C.，iLoc-Animal:预测动物蛋白质亚细胞定位的多标记学习分类器，分子生物学。，9, 634-644 (2013)
[65] 刘，B。；朗·R。；Chou，K.C.，iDHS-EL：通过将三种不同模式的伪核苷酸组成融合到集成学习框架中来识别DNase I超敏位点，生物信息学，32，2411-2418（2016）
[66] 刘，B。；杨，F。；Chou，K.C.，2L-piRNA：用于识别piwi相互作用RNA及其功能的双层集成分类器，Mol.Ther。编号。酸，7267-277（2017）
[67] 刘，B。；Wu，H。；Chou，K.C.，《Pse-in-One 2.0：一个改进的网络服务器包，用于生成DNA、RNA和蛋白质序列的各种伪成分模式》，《自然科学》。，09, 67-91 (2017)
[68] 刘，B。；Wang，S.Y。；朗·R。；Chou，K.C.，iRSpot-EL：用集成学习方法识别重组点，生物信息学，33，35-41（2017）
[69] 刘，B。；翁，F。；黄，D.S。；Chou，K.C.，iRO-3wPseKNC：通过基于三个窗口的PseKNC识别DNA复制起源，生物信息学（2018）
[70] 刘，B。；李凯。；黄，D.S。；Chou，K.C.，iEnhancer-EL：使用集成学习方法识别增强子及其强度，生物信息学（2018）
[71] 刘，B。；杨，F。；黄，D.S。；Chou，K.C.，iPromoter-2L:通过基于多窗口的PseKNC鉴定启动子及其类型的两层预测因子，生物信息学，34，33-40（2018）
[72] 刘，B。；Fang，L.Y。；刘，F。；Wang，X.L。；Chou，K.C.，iMiRNA-PseDCP:用伪距离对组成方法鉴定微小RNA前体，J.Biomol。结构。动态。，34, 223-235 (2016)
[73] 刘，B。；Fang，L.Y。；朗·R。；兰，X。；Chou，K.C.，iEnhancer-2L：通过伪K元组核苷酸组成识别增强子及其强度的双层预测因子，生物信息学，32，362-369（2016）
[74] 刘，B。；Fang，L.Y。；Wang，S.Y。；Wang，X.L。；Li，H.T。；Chou，K.C.，用简并K-tuple或kmer策略鉴定microRNA前体，J.Theor。生物学，385153-159（2015）
[75] 刘，B。；Fang，L.Y。；刘，F。；Wang，X.L。；Chen，J.J。；Chou，K.C.，用伪结构状态合成方法识别真实的MicroRNA前体，PLoS One，10，文章e0121501 pp.（2015）
[76] 刘，B。；Liu，F.L。；Wang，X.L。；Chen，J.J。；Fang，L.Y。；Chou，K.C.，《Pse-in-one:生成DNA、RNA和蛋白质序列的各种伪成分模式的网络服务器》，《核酸研究》，43，W65-W71（2015）
[77] 刘，Z。；Xiao，X。；Yu，D.J。；贾，J。；邱伟荣。；Chou，K.C.，pRNAm-PC：通过物理化学性质预测RNA序列中的N6-甲基腺苷位点，分析。生物化学。，497, 60-67 (2016)
[78] 卢，L。；牛，B。；赵，J。；刘，L。；卢，W.C。；刘晓杰。；李玉霞。；Cai，Y.D.，基于特征选择方法的GalNAc-转移酶特异性预测，肽，30，359-364（2009）
[79] 马，X。；Sun，X.，使用随机森林和mRMR-IFS特征选择的ATP-结合残基序列预测，J.Theor。生物学，360，59-66（2014）·2014年3月13日
[80] Min，J.L。；Xiao，X。；Chou，K.C.，iEzy-Drug:一个网络服务器，用于识别细胞网络中酶和药物之间的相互作用，Biomed。Res.Int.，2013，第701317条，pp.（2013）
[81] Muthu Krishnan，S.，使用Chou的一般PseAAC来分析受体相关蛋白（RAP）与蛋白质结构域的各种折叠模式的进化关系，J.Theor。生物学，44562-74（2018）
[82] 彭，H。；长，F。；Ding，C.，基于互信息的特征选择：最大相关性、最大相关性和最小冗余的标准，IEEE Trans。模式分析。机器。智力。，27, 1226-1238 (2005)
[83] Poulos，J.L。；Jeon，T.J。；Damoiseaux，R。；Gillespie，E.J。；Bradley，K.A。；Schmidt，J.J.，使用高通量脂质膜平台测量离子通道和毒素，Biosens。生物电子。，24, 1806-1810 (2009)
[84] 邱伟荣。；Xiao，X。；Chou，K.C.，iRSpot-TNCPseAAC：用三核苷酸组成和伪氨基酸成分识别重组点，国际生物学杂志。科学。，15, 1746-1766 (2014)
[85] 邱伟荣。；Xiao，X。；Lin，W.Z。；Chou，K.C.，iMethyl PseAAC：通过伪氨基酸组成方法鉴定蛋白质甲基化位点，Biomed。Res.Int.，2014，第947416条，pp.（2014）
[86] 邱伟荣。；Xiao，X。；Lin，W.Z。；Chou，K.C.，iUbiq-Lys:通过灰色系统模型提取序列进化信息来预测蛋白质中的赖氨酸泛素化位点，J.Biomol。结构。动态。，33, 1731-1742 (2015)
[87] 邱伟荣。；Xiao，X。；徐，Z.C。；Chou，K.C.，iPhos-PseEn:通过将不同的伪成分融合到集成分类器中来识别蛋白质中的磷酸化位点，Oncotarget，751270-51283（2016）
[88] 邱伟荣。；孙碧琴。；Xiao，X。；徐，Z.C。；Chou，K.C.，iPTM-mLys：识别多个赖氨酸PTM位点及其不同类型，生物信息学，32，3116-3123（2016）
[89] 邱伟荣。；孙碧琴。；Xiao，X。；徐，Z.C。；Chou，K.C.，iHyd-PseCp：通过将序列偶联效应纳入一般PseAAC来识别蛋白质中的羟脯氨酸和羟赖氨酸，Oncotarget，7，44310-44321（2016）
[90] 邱伟荣。；姜世勇（Jiang，S.Y.）。；徐，Z.C。；Xiao，X。；Chou，K.C.，iRNAm5C-PseDNC：通过将物理化学性质纳入伪二核苷酸组成来识别RNA 5-甲基胞嘧啶位点，Oncotarget，8，41178-41188（2017）
[91] 邱伟荣。；孙碧琴。；Xiao，X。；徐，D。；Chou，K.C.，iPhos-PseEvo：通过灰色系统理论将进化信息纳入一般PseAAC，识别人类磷酸化蛋白质，Mol.Inform，36（2017）
[92] 邱伟荣。；孙碧琴。；Xiao，X。；徐，Z.C。；贾建华。；Chou，K.C.，iKcr-PseEns：利用伪组分和集成分类器识别组蛋白中的赖氨酸-巴豆酰化位点，基因组学（2017）
[93] 邱伟业。；李，S。；崔晓伟。；于振明。；Wang，M.H。；杜，J.W。；彭义杰。；Yu，B.，通过将伪位置特异性评分矩阵合并到一般Chou的伪氨基酸组成中来预测蛋白质的亚线粒体位置，J.Theor。生物学，450，86-103（2018）·Zbl 1397.92228号
[94] 拉赫曼，M.S。；沙塔布达，S。；萨哈，S。；Kaykobad，M。；Rahman，M.S.，DPP-PseAAC：使用Chou的通用PseAAC，J.Theor建立的DNA结合蛋白预测模型。生物学，452，22-34（2018）
[95] 萨博，M.F。；伊克巴尔，N。；M.Khan。；M.Khan。；Maqbool，H.F.，使用Chou的PseKNC的复合编码特征识别RNA序列中的5-甲基胞嘧啶位点，J.Theor。生物学，452，1-9（2018）·Zbl 1397.92232号
[96] 萨哈，S。；Raghava，G.P.，基于功能和来源的神经毒素预测，《硅生物》，7369-387（2007）
[97] Song，J.N。；李，F。；Takemoto，K。；哈夫法里，G。；Akutsu，T。；Chou，K.C。；Webb，G.I.，PREvaIL，一种在机器学习框架中使用序列、结构和网络特征推断催化残基的综合方法，J.Theor。生物学，443125-137（2018）
[98] Song，J.N。；王永新。；Li，F.Y。；Akutsu，T。；罗林斯，N.D。；韦伯，G.I。；Chou，K.C.，iProt-Sub：一个用于准确绘制和预测蛋白酶特异性底物和裂解位点的综合软件包，简介。生物信息。(2018)
[99] 王，G。；Dunbrack，R.L.，《双鱼：蛋白质序列筛选服务器》，生物信息学，19589-1591（2003）
[100] Xiao，X。；Min，J.L。；王，P。；Chou，K.C.，iCDI PseFpt：用PseAAC和分子指纹识别细胞网络中的通道-药物相互作用，J.Theor。《生物学》，337，71-79（2013）·兹比尔1411.92115
[101] Xiao，X。；Min，J.L。；王，P。；Chou，K.C.，《iGPCR-Drug:一种预测GPCR与药物在蜂窝网络中相互作用的网络服务器》，《公共科学图书馆·综合》，第8期，e72234页（2013年）
[102] Xiao，X。；王，P。；林，W.Z。；贾建华。；Chou，K.C.，iAMP-2L：用于识别抗菌肽及其功能类型的两级多标签分类器，Ana。生物化学。，436, 168-177 (2013)
[103] Xiao，X。；叶海霞。；刘，Z。；贾建华。；Chou，K.C.，iROS-gPseKNC：通过将二核苷酸位置特异性倾向纳入一般伪核苷酸组成来预测DNA中的复制起始位点，Oncotarget，734180-34189（2016）
[104] Xiao，X。；Cheng，X。；苏，S.C。；毛，Q。；Chou，K.C.，pLoc-mGpos：将关键基因本体信息合并到通用PseAAC中，以预测革兰氏阳性细菌蛋白质的亚细胞定位，自然科学。，9, 330 (2017)
[105] Xiao，X。；Cheng，X。；陈国强。；毛，Q。；Chou，K.C.，pLoc-mGpos：通过准平衡训练数据集和PseAAC预测革兰氏阳性细菌蛋白质的亚细胞定位，基因组学（2018）
[106] Xiao，X。；Min，J.L。；Lin，W.Z。；刘，Z。；Cheng，X。；Chou，K.C.，iDrug-Target：通过基准数据集优化方法预测药物化合物和靶蛋白在细胞网络中的相互作用，J.Biomol。结构。动态。，33, 2221-2233 (2015)
[107] Xu，Y。；丁，J。；Wu，L.Y。；Chou，K.C.，iSNO-PseAAC：通过将位置特异性氨基酸倾向纳入伪氨基酸组成来预测蛋白质中的半胱氨酸S-亚硝基化位点，PLoS One，8，e55844（2013）
[108] Xu，Y。；邵晓杰。；Wu，L.Y。；邓，纽约。；Chou，K.C.，iSNO AAPair:将氨基酸成对偶联结合到PseAAC中，用于预测蛋白质中的半胱氨酸S-亚硝基化位点，PeerJ，1，e171（2013）
[109] Yang，H。；邱伟荣。；刘国强。；郭富斌。；Chen，W。；Chou，K.C。；Lin，H.，iRSpot-Pse6NC：通过将六聚体成分纳入一般PseKNC，Int.J.Biol，识别酿酒酵母中的重组点。科学。，14, 883-891 (2018)
[110] 张长杰。；Tang，H。；Li，W.C。；Lin，H。；Chen，W。；Chou，K.C.，iOri人类：通过将二核苷酸的物理化学性质结合到伪核苷酸组成中来鉴定人类复制的起源，肿瘤靶点，736783-69793（2016）
[111] 张，L.C。；Kong，L.，iRSpot-PDI：通过将二核苷酸属性多样性信息纳入Chou的伪成分来识别重组点，基因组学（2018）
[112] 张，L.C。；Kong，L.，iRSpot-ADMP：通过将相关二核苷酸产品模型合并到Chou的伪组分中来识别重组点，J.Theor。生物学，441，1-8（2018）
[113] Zhang，S.L。；Duan，X.，用过采样方法预测蛋白质亚细胞定位和Chou的通用PseAAC，J.Theor。生物学，437，239-250（2018）·Zbl 1394.92047号
[114] Zheng，L.L。；牛，S。；郝，P。；Feng，K.Y。；Cai，Y.D。；Li，Y.X.，使用mRMR特征选择和分析预测吡咯烷酮羧酸的蛋白质修饰位点，PLoS One，6，e28221（2011）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。