×

SPrenylC-PseAAC:一种基于序列的模型,通过Chou的5步规则和通用PseAAA开发,用于识别蛋白质中的s-丙戊基化位点。 (英语) Zbl 1411.92233号

摘要:蛋白质的丙氨酸化(或S-丙氨酸化)是最基本的修饰之一,需要将大量信号蛋白的膜与关键生物过程(如蛋白质运输、细胞生长、增殖和分化)联系起来。由于S-丙内化的普遍性质及其在细胞功能中的作用,类异戊二烯生物合成或调节的任何缺陷都会导致多种疾病的发生,包括神经退行性疾病、代谢问题、心血管疾病和最致命的疾病之一癌症。这说明了S-丙氨酰化具有很强的生物学意义,因此,及时准确地识别S-丙炔酰化位点至关重要,并可能为理解蛋白质中这种修饰的机制提供可能的方法。为了避免费力、耗费资源和昂贵的实验技术来识别S-丙烯基化位点,我们通过整合Chou的伪氨基酸组成(PseAAC)和基于相对/绝对位置的特征,提出了一种新的预测因子,即SPrenylC-PseAAC。进行了2级分类,即在第一级,进行了丙烯基化和非戊烯基化位点的识别,而在第二级,进行S-法尼基化和S-香叶基香叶酰化位点的鉴定。使用折刀法,perdition模型验证对一级分类的准确率为95.31%,对二级分类的正确率为91.42%,而对10倍交叉验证,对一级归类的准确率是93.68%,对二层分类的准确度是89.70%。因此,所提出的预测因子有助于高效准确地预测预酰化位点。SPrenylC-PseAAC位于(http://biored.org/prenyl网站).

MSC公司:

92D20型 蛋白质序列、DNA序列
68T05型 人工智能中的学习和自适应系统
62页第10页 统计学在生物学和医学中的应用;元分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿克巴,S。;Hayat,M.,iMethyl-STTNC:通过将SAAC的概念扩展到Chou的PseAAC来确定N(6)-甲基腺苷位点,以形成RNA序列,J.Theor。生物学,455205-211(2018)·Zbl 1406.92448号
[2] Akmal,医学硕士。;北卡罗来纳州拉苏尔。;Khan,Y.D.,使用位置相关特征和统计矩预测N-连接糖基化位点,《公共科学图书馆·综合》,第12期,文章e0181966页,(2017)
[3] 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
[4] M.J.布兰登。;苏阿佐,K.F。;Hildebrandt,E.R。;Hardgrove,D.S。;帕特尔,M。;桑德斯,W.P。;Distefano,医学博士。;施密特,W.K。;Hougland,J.L.,扩展的C末端C(x)3X序列基序的高效法尼基化扩大了戊基化蛋白质组的范围,J.Biol。化学。jbc,M117,第805770条pp.(2017)
[5] Butt,A.H。;北卡罗来纳州拉苏尔。;Khan,Y.D.,《预测膜蛋白及其亚型的计算方法》,J.Membr。生物学,250,55-76(2017)
[6] Butt,A.H。;汗,S.A。;贾米勒,H。;北卡罗来纳州拉苏尔。;Khan,Y.D.,使用基于矩的特征的膜蛋白预测模型,生物医药研究国际,2016年,1-7(2016)
[7] 蔡,L。;黄,T。;苏,J。;张,X。;Chen,W。;张,F。;He,L。;Chou,K.-C.,新鉴定的脑eQTL基因及其相互作用因子在精神分裂症中的意义,Mol.Ther。核酸,12433-442(2018)
[8] Cai,Y.D。;Chou,K.C.,预测杂交空间中蛋白质的亚细胞定位,生物信息学,20,1151-1156(2004),bth054[pii]doi:10.1093/Bioinformatics/bth054
[9] 曹,D.S。;徐庆生。;Liang,Y.Z.,propy:生成周氏PseAAC各种模式的工具,生物信息学,29960-962(2013),btt072[pii]
[10] Chandra,A。;Sharma,A。;Dehzangi,A。;Ranganathan,S。;Jokhan,A。;周,K.-C。;Tsunoda,T.,PhoglyStruct:利用氨基酸的结构特性预测磷酸甘油化赖氨酸残基,科学。代表,817923(2018)
[11] Chen,W。;丁·H。;冯·P。;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)
[12] Chen,W。;冯·P。;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)
[13] 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。核酸,5,e332(2016)
[14] Chen,W。;冯·P。;Yang,H。;丁·H。;Lin,H。;Chou,K.-C.,iRNA AI:鉴定RNA序列中腺苷到肌苷的编辑位点,肿瘤靶点,84208(2017)
[15] Chen,W。;冯·P。;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)
[16] 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)
[17] 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)
[18] 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,110,1,50-58(2017)
[19] Cheng,X。;Xiao,X。;Chou,K.-C.,pLoc_bal-mPlant:通过通用PseAAC和平衡训练数据集预测植物蛋白质的亚细胞定位,Curr。药物设计。,24, 4013-4022 (2018)
[20] Cheng,X。;赵,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(2016)
[21] Cheng,X。;赵,S.-G。;林,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)
[22] Chou,K.-C.,《利用亚基偶联预测信号肽》,《蛋白质工程》,第14期,第75-79页(2001年)
[23] Chou,K.-C.,使用缩放窗口预测信号肽,肽,221973-1979(2001)
[24] 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
[25] Chou,K.-C.,《关于预测分子生物系统中多标签属性的一些评论》,《分子生物学》。,9, 1092-1100 (2013)
[26] 周,K.-C。;Zhang,C.-T.,蛋白质结构类预测,生物化学评论。分子生物学。,30, 275-349 (1995)
[27] 周,K.-C。;吴振中。;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)
[28] 周,K.-C。;Cheng,X。;Xiao,X.,pLoc_bal-mHum:利用PseAAC和准平衡训练数据集预测人类蛋白质的亚细胞定位,基因组学(2018)·Zbl 1406.92173号
[29] Chou,K.C.,使用伪氨基酸组成预测蛋白质细胞属性,蛋白质结构。功能。遗传学。,43,246-255(2001),(勘误表:同上,2001年,第44卷,60)[pii]10.1002/prot.1035
[30] 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,6262-274(2009)
[31] Chou,K.C.,生物信息学对药物化学的影响,医学化学。,11, 218-234 (2015)
[32] 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。顶部。医药化学。,17, 2337-2358 (2017)
[33] Chou,K.C。;Elrod,D.W.,G蛋白偶联受体的生物信息学分析,《蛋白质组研究杂志》,1429-433(2002)
[34] Chou,K.C。;Cai,Y.D.,杂交空间中蛋白酶类型的预测,生物化学。生物物理学。Res.Comm.(BBRC),339,1015-1020(2006)
[35] Chou,K.C。;Shen,H.B.,《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)
[36] Contreras-Torres,E.,《通过将蛋白质的全局和局部物理化学和构象特性结合到一般Chou的PseAAC,J.Theor中来预测蛋白质的结构类别》。生物学,454139-145(2018)·Zbl 1406.92452号
[37] Dehzangi,A。;赫弗南,R。;Sharma,A。;Lyons,J。;Paliwal,K。;Sattar,A.,通过将基于进化的描述符合并到Chourts general PseAAC,J.Theor中,对革兰氏阳性和革兰氏阴性蛋白进行亚细胞定位。《生物学》,364,284-294(2015)·Zbl 1405.92092号
[38] Dou,Y。;姚,B。;Zhang,C.,PhosphoSVM:通过将各种蛋白质序列属性与支持向量机结合来预测磷酸化位点,《氨基酸》,46,1459-1469(2014)
[39] Downward,J.,《癌症治疗中靶向RAS信号通路》,《国家癌症评论》,3,11(2003年)
[40] 杜,P。;顾S。;Jiao,Y.,PseAAC-General:为大规模蛋白质数据集快速构建Chou伪氨基酸组成的各种通用形式模式,国际分子科学杂志。,15, 3495-3506 (2014)
[41] 杜,P。;王,X。;徐,C。;Gao,Y.,PseAAC-Builder:一个跨平台独立程序,用于生成各种特殊的Chou伪氨基酸成分,Ana。生物化学。,425117-119(2012),[pii]10.1016/j.ab.2012.03.015
[42] Ehsan,A。;Mahmood,K。;Y.D.Khan。;汗,S.A。;Chou,K.C.,《信号肽分类的数学生物学新模型》,《科学》。代表,81039(2018)
[43] Feng,K.-Y。;蔡永德。;Chou,K.-C.,预测蛋白质结构域结构类的Boosting分类器,生物化学。生物物理学。Res.Commun.公司。,334, 213-217 (2005)
[44] 冯,P.-M。;Lin,H。;Chen,W.,使用朴素贝叶斯从序列信息中识别抗氧化剂,计算。数学。方法医学,2013,567529(2013)
[45] 冯,P.-M。;丁·H。;Chen,W。;Lin,H.,具有特征选择的Naive Bayes分类器,用于识别噬菌体病毒粒子蛋白,计算机。数学。方法医学,2013,530696(2013)·Zbl 1275.92017年
[46] 冯·P。;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。核酸,7155-163(2017)
[47] 冯·P。;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-,《基因组学》(2018)
[48] Fu,L。;牛,B。;朱,Z。;Wu,S。;Li,W.,CD-HIT:加速聚类下一代测序数据,生物信息学,283150-3152(2012)
[49] A.加乌里。;Y.Khan。;北卡罗来纳州拉苏尔。;Khan,S。;Chou,K.,pNitro-Tyr-PseAAC:通过将五个特征纳入Chou的一般PseAAA,Current Pharm.Des,24,34,4034-4043(2018),预测蛋白质中的硝基酪氨酸位点
[50] 希金斯,J.B。;Casey,P.J.,《丙氨酰化在G蛋白组装和功能中的作用》,《细胞》。信号。,8, 433-437 (1996)
[51] 侯赛因,W。;Y.D.Khan。;北卡罗来纳州拉苏尔。;汗,S.A。;Chou,K.-C.,SPalmitoylC PseAAC:一种基于序列的模型,通过Chou的5步规则和通用PseAAC开发,用于鉴定蛋白质中的s-棕榈酰化位点,分析。生物化学。,568, 14-23 (2019)
[52] 贾维德,F。;Hayat,M.,通过将序列特征纳入Chou的PseAAC预测多标签蛋白质的亚细胞定位,基因组学(2018)
[53] 贾,J。;刘,Z。;Xiao,X。;刘,B。;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》,394223-230(2016)·Zbl 1343.92153号
[54] 贾,J。;刘,Z。;Xiao,X。;刘,B。;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
[55] 贾,J。;刘,Z。;Xiao,X。;刘,B。;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)
[56] 贾,J。;李,X。;邱伟。;Xiao,X。;Chou,K.-C.,iPPI-PseAAC(CGR):通过将混沌游戏表示纳入PseAAC,J.Theor中来识别蛋白质相互作用。生物学,460195-203(2019)·兹比尔1406.92189
[57] 江,L。;张杰。;Xuan,P。;Zou,Q.,BP神经网络可以帮助提高各种物种中前miRNA的鉴定,BioMed Res.Int.,2016,1-8(2016)
[58] Ju,Z。;He,J.-J.,通过将k间距氨基酸对的组成合并到Chou的一般PseAAC中来预测赖氨酸巴豆酰化位点,J.摩尔图。型号。,77, 200-204 (2017)
[59] 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)
[60] Ju,Z。;曹建忠。;Gu,H.,通过将k间距氨基酸对合并到Ch,J.Theor的Chouacid对中,利用模糊支持向量机预测赖氨酸磷酸甘油化。生物学,397145-150(2016)
[61] Y.D.Khan。;艾哈迈德·F。;Anwar,M.W.,《使用反向传播进行虹膜识别的神经认知方法》,《世界应用》。科学。J.,16,678-685(2012)
[62] Y.D.Khan。;艾哈迈德·F。;Khan,S.A.,使用图像矩和递归神经网络的情况识别,神经计算。申请。,24, 1519-1529 (2014)
[63] Y.D.Khan。;汗,S.A。;艾哈迈德·F。;Islam,S.,使用图像矩和k-means算法进行虹膜识别,科学。《世界杂志》,2014(2014)
[64] 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PseAAC中来识别磷酸苏氨酸位点,Ana。生物化学。,550109-116(2018)
[65] Y.D.Khan。;Jamil,M。;侯赛因,W。;北卡罗来纳州拉苏尔。;汗,S.A。;Chou,K.C.,pSSbond-PseAAC:通过整合PseAAC和统计矩预测二硫键位点,J.Theor。生物(2018)·Zbl 1406.92460号
[66] Y.D.Khan。;新南威尔士州Khan。;法鲁克,S。;阿比德,A。;汗,S.A。;艾哈迈德·F。;Mahmood,M.K.,《识别人类行为的有效算法》,科学。《世界杂志》,2014(2014)
[67] Krishnan,M.S.,使用Chou的通用PseAAC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)
[68] 库马尔,R。;Srivastava,A。;库马里,B。;Kumar,M.,通过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,J.Theor。生物,365,96-103(2015)·Zbl 1314.92055号
[69] 拉里贾尼,B。;休谟,A.N。;Tarafder,A.K。;Seabra,M.C.,《多种因素导致Rab27a在Rab前体化疾病中的低效前体化》,J.Biol。化学,278,47,46798-46804(2003)
[70] 梁,Y。;Zhang,S.,通过Kullback-Leibler发散将PSSM的不同模式并入Chou的一般PseAAC中,以确定革兰氏阴性细菌分泌的蛋白类型,J.Theor。生物学,454,22-29(2018)·Zbl 1406.92196号
[71] Lin,H。;邓,E.Z。;丁·H。;Chen,W。;Chou,K.C.,iPro54-PseKNC: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,核酸研究,42,12961-12972(2014)
[72] Lin,H。;丁,C。;宋,Q。;杨,P。;丁·H。;邓克杰。;Chen,W.,《使用平均化学位移预测蛋白质结构类别》,J.Biomol。结构。动态。,29, 1147-1153 (2012)
[73] 林,W.-Z。;方,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。,9634-644(2013)
[74] 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,PLoS One,6,e24756(2011),[pii]10.1371/journal.pone.0024756
[75] 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》。,9, 67-91 (2017)
[76] 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。核酸,7,267-277(2017)
[77] 刘,B。;王,S。;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(2016)
[78] 刘,B。;王,S。;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)
[79] 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)
[80] 刘,B。;方,L。;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(2015)
[81] 刘,B。;方,L。;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)
[82] 刘,B。;刘,F。;王,X。;陈,J。;方,L。;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》,第43期,W65-W71(2015)
[83] 刘,L.-M。;Xu,Y。;Chou,K.-C.,iPGK-PseAAC:通过将四个不同层次的氨基酸成对偶联信息合并到一般PseAAC-,Med.Chem。,13, 552-559 (2017)
[84] Lo,C.-H。;Don,H.-S.,《三维力矩形式:它们的构造及其在物体识别和定位中的应用》,IEEE Trans。模式分析。机器。智力。,11, 1053-1064 (1989)
[85] 梅,J。;赵,J.,利用周氏伪氨基酸组成和不同分类器预测HIV-1和HIV-2蛋白,科学。众议员,82359(2018)
[86] 梅,J。;赵,J.,通过周氏一般伪氨基酸组成和基序特征分析和预测突触前和突触后神经毒素,J.Theor。生物学,427,147-153(2018)
[87] 梅,J。;Fu,Y。;赵,J.,利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,J.Theor。生物学,456,41-48(2018)·Zbl 1406.92198号
[88] 蒙达尔,S。;Pai,P.P.,Chou的伪氨基酸组成改进了基于序列的抗冻蛋白预测,J.Theor。生物,356,30-35(2014)·Zbl 1412.92249号
[89] Nanni,L。;布拉南,S。;Lumini,A.,《通过将不同的蛋白质描述符合并到一般Chou的伪氨基酸组成中来预测蛋白质结构类别》,J.Theor。生物学,360,109-116(2014)·Zbl 1343.92387号
[90] 邱伟荣。;Xiao,X。;Chou,K.-C.,iRSpot-TNCPseAAC:用三核苷酸成分和伪氨基酸成分识别重组点,国际分子科学杂志。,15, 1746-1766 (2014)
[91] 邱伟荣。;Xiao,X。;林,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,生物医药研究国际,2014,1-8(2014)
[92] 邱伟荣。;Xiao,X。;林,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)
[93] 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(2016)
[94] 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)
[95] 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,744310(2016)
[96] 邱伟荣。;江,S.-Y。;徐,Z.C。;Xiao,X。;Chou,K.-C.,iRNAm5C PseDNC:通过将物理化学性质结合到伪二核苷酸组合物中来鉴定RNA 5-甲基胞嘧啶位点,肿瘤靶点,841178(2017)
[97] 邱伟荣。;江,S.-Y。;孙碧琴。;Xiao,X。;Cheng,X。;Chou,K.-C.,iRNA-2methyl:通过将序列耦合效应纳入一般PseKNC和集成分类器,Med.Chem.,识别RNA 2′-O-甲基化位点。,13, 734-743 (2017)
[98] 邱伟。;李,S。;崔,X。;Yu,Z。;王,M。;杜,J。;彭,Y。;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
[99] 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.Inf.,36,Article 1600010 pp.(2017)
[100] 拉赫曼,S.M。;沙塔布达,S。;萨哈,S。;Kaykobad,M。;Sohel Rahman,M.,DPP-PseAAC:使用Chou的通用PseAAC-的DNA结合蛋白预测模型,Theor Biol杂志,452,22-34(2018)
[101] 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
[102] 桑卡里,E.S。;Manimegalai,D.D.,通过将一个新的特征集合并到Chou的通用PseAAC中来预测膜蛋白类型,J.Theor。《生物学》,455319-328(2018)·兹比尔1406.92470
[103] 沈海波。;Chou,K.-C.,《信号-3L:预测信号肽的三层方法》,《生物化学》。生物物理学。Res.Commun.公司。,363, 297-303 (2007)
[104] 沈海波。;杨,J。;Chou,K.-C.,Euk-PLoc:大规模真核蛋白质亚细胞定位预测的集成分类器,氨基酸,33,57-67(2007)
[105] 沈,N。;龚,T。;王J.-D。;孟,F.-L。;乔·L。;Yang,R.-L。;薛,B。;潘,F.-Y。;周小杰。;Chen,H.-Q.,香烟烟雾诱导的肺部炎症反应由EGR-1/GGPPS/MAPK信号介导,美国病理学杂志。,178, 110-118 (2011)
[106] 宋,J。;Wang,Y。;李,F。;Akutsu,T.等人。;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)
[107] 宋,J。;李,F。;Takemoto,K。;哈法里,G。;Akutsu,T.等人。;周,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)
[108] Srivastava,A。;库马尔,R。;Kumar,M.,BlaPred:通过Chou的通用PseAAC,J.Theor使用三级预测系统预测和分类β-内酰胺酶。生物(2018)·Zbl 1406.92215号
[109] 史蒂文斯,T.J。;Arkin,I.T.,更复杂的生物体在其基因组中的膜蛋白比例更大吗?,蛋白质结构。功能。生物信息。,39, 417-420 (2000)
[110] Terry,K.L。;凯西·P·J。;Beese,L.S.,蛋白质法尼基转移酶转化为香叶基香叶基转移酶,生物化学,459746-9755(2006)
[111] 蒂莫西,A。;Casey,P.J.,《百日咳毒素抗性G蛋白的信号功能和生化特性》,《生物化学》。J.,321,561-571(1997)
[112] 弗拉诺娃,E。;科曼,D。;Gruissem,W.,《类异戊二烯合成MVA和MEP途径的网络分析》,年。植物生物学评论。,64, 665-700 (2013)
[113] Wang,L。;张,R。;Mu,Y.,Fu-SulfPred:通过Chou’S general PseAAC,J.Theor融合森林来识别蛋白质S-磺基化位点。生物学,461,51-58(2019)·Zbl 1406.92221号
[114] 吴振中。;Xiao,X。;Chou,K.-C.,iLoc Plant:一种用于预测具有单个和多个位点的植物蛋白亚细胞定位的多标记分类器,Mol.Bioyst。,7, 3287-3297 (2011)
[115] Xiao,X。;吴振中。;Chou,K.-C.,iLoc-Virus:一种多标记学习分类器,用于识别具有单个和多个位点的病毒蛋白的亚细胞定位,J.Theor。《生物学》,284,42-51(2011)·Zbl 1397.92238号
[116] Xiao,X。;王,P。;林,W.-Z。;贾俊华。;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)
[117] Xiao,X。;叶海霞。;刘,Z。;贾俊华。;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(2016)
[118] 谢,Y。;郑毅。;李,H。;罗,X。;何,Z。;曹,S。;Shi,Y。;赵(Q.Zhao)。;薛,Y。;Zuo,Z.,GPS-Lipid:预测多个脂质修饰位点的稳健工具,科学。代表,6,28249(2016)
[119] 徐,N。;沈,N。;王,X。;江,S。;薛,B。;Li,C.,《蛋白质丙内化与人类疾病:蛋白质法尼基化和香叶基香叶酰化的平衡》,科学。中国生命科学。,58, 328-335 (2015)
[120] Xu,Y。;王,Z。;李,C。;Chou,K.-C.,iPreny-PseAAC:通过将两层序列偶联纳入PseAAC,Med.Chem。,13, 544-551 (2017)
[121] Xu,Y。;邵晓杰。;Wu,L.Y。;邓,纽约。;Chou,K.C.,iSNO-AAPAR:将氨基酸成对偶联到PseAAC中以预测蛋白质中半胱氨酸S-亚硝基化位点,PeerJ,1,e171(2013)
[122] Xu,Y。;文,X。;邵晓杰。;邓,N.-Y。;Chou,K.-C.,iHyd-PseAAC:通过将二肽位置特异性倾向纳入伪氨基酸组成来预测蛋白质中的羟脯氨酸和羟赖氨酸,国际分子科学杂志。,15, 7594-7610 (2014)
[123] Xu,Y。;文,X。;Wen,L.S。;Wu,L.Y。;邓,纽约。;Chou,K.C.,iNitro-Tyr:具有一般伪氨基酸组成的蛋白质中硝基酪氨酸位点的预测,《公共科学图书馆·综合》,9,文章e105018 pp.(2014)
[124] 张长杰。;Tang,H。;Li,W.C。;Lin,H。;Chen,W。;Chou,K.C.,iOri-Human:通过将二核苷酸的物理化学性质纳入伪核苷酸组成来确定复制的人类起源,Oncotarget,76973-69793(2016)
[125] 张,L。;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)
[126] 张,S。;Liang,Y.,通过将自交叉相关和PSSM整合到Chou的PseAAC中预测凋亡蛋白亚细胞定位,J.Theor。生物(2018)·Zbl 1406.92230号
[127] 张,S。;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
[128] 赵,W。;Wang,L。;张天喜。;Zhang,Z.N。;Du,P.F.,关于为所有类型的生物序列生成Chou伪因子表示的软件工具Protein Pept的简要综述。莱特。(2018)
[129] 周国平。;K.博士,凋亡蛋白的亚细胞定位预测,蛋白质结构。功能。生物信息。,50, 44-48 (2003)
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。