×

兹马思-数学第一资源

sprenlc-PseAAC:一个基于序列的模型,通过Chou的5步规则和通用的PseAAC来识别蛋白质中的s-prenylization位点。(英语) Zbl 1411.92233
摘要:蛋白质前酸化(或S-戊基化)是一种最重要的修饰,它是将大量信号蛋白的膜与蛋白质转运、细胞生长、增殖和分化等关键生物学过程联系起来所必需的。由于S-prenylization的普遍性质及其在细胞功能中的作用,类异戊二烯的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-prenylization具有很强的生物学意义,因此,及时、准确地识别S-prenylization位点是至关重要的,并可能为理解这种修饰在蛋白质中的作用机制提供可能的途径。为了避免费时费力、资源消耗和昂贵的实验技术来识别S-prenylization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sprenlc-PseAAC。进行了两级分类,即在第一级,识别预酸化和非预酸化位点,而在第二级,识别S-法尼酸化和S-老鹳草酰化位点。使用jackknife,perdition模型验证一级分类的准确率为95.31%,二级分类的准确率为91.42%;而对于10倍交叉验证,一级分类的准确率为93.68%,二级分类的准确率为89.70%。因此,所提出的预测因子有助于以一种有效和准确的方式预测前酸化位点。Sprenlc PseAAC可在(http://biopred.org/prenyl).

理学硕士:
92D20 蛋白质序列,DNA序列
68T05型 人工智能中的学习与自适应系统
第62页 统计学在生物学和医学科学中的应用;荟萃分析
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 阿克巴,S。;Hayat,M.,二甲基-STTNC:通过将SAAC的概念扩展到周氏的PseAAC中以形成RNA序列来识别N(6)-甲基腺苷位点,J.Theor。生物,455,205-211,(2018年)·Zbl 1406.92448号
[2] 阿克马尔,文学硕士。;拉苏尔,N。;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,12,(2017)
[3] 阿里夫,M。;哈亚特,M。;简,Z,iMem-2LSAAC:通过将SAAC的概念扩展到周的伪氨基酸组成中来识别膜蛋白及其类型的两级模型,J.Theor。生物,442,11-21,(2018年)·Zbl 1397.92180
[4] 布兰登,M.J。;苏亚佐,K.F。;希尔德布兰特,急诊室。;哈德格罗夫特区。;帕特尔,M。;桑德斯,W.P。;Distefam号。;施密特,W.K。;Hougland,J.L.,扩展的C末端C(x)3X序列基序的有效法尼酸化扩展了预酸化蛋白质组的范围,生物杂志。化学。jbc,M117,(2017年)
[5] 屁股,A.H。;拉苏尔,N。;Khan,Y.D.,膜蛋白及其亚型预测的计算方法论文,J.Membr。生物,250,55-76,(2017年)
[6] 屁股,A.H。;可汗,S.A。;贾米尔,H。;拉苏尔,N。;Khan,Y.D.,基于矩特征的膜蛋白预测模型,BioMed Res.Int.,2016,1-7,(2016)
[7] 蔡,L。;黄,T。;苏,J。;张,X。;陈,W。;张飞。;他,L。;周国庆,精神分裂症新鉴定的脑eQTL基因及其相互作用者的意义,分子疗法。核酸,12433-442,(2018年)
[8] 蔡,Y.D。;周国庆,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] 曹博士。;徐,Q.S。;梁永志,propy:一种生成周氏PseAAC各种模式的工具,生物信息学,29960-962,(2013),btt072[pii]
[10] 钱德拉,A。;夏尔玛,A。;西藏,A。;兰加纳桑。;约坎,A。;周国庆。;Tsunoda,T.,Phoglystuct:使用氨基酸结构特性预测磷酸甘油化赖氨酸残基,Sci。众议员,817923,(2018年)
[11] 陈,W。;丁,H。;冯,P。;林,H。;Chou,K.C.,iACP:一种基于序列的抗癌肽识别工具,OnTarget,716895-16909,(2016)
[12] 陈,W。;冯,P。;丁,H。;林,H。;周,K.-C.,用变形能分析核小体在基因组中的定位,基因组学,10769-75,(2016)
[13] 陈,W。;唐,H。;叶,J。;林,H。;周,K.C.,iRNA PseU:识别RNA假尿苷位点,分子疗法。核酸,5,e332,(2016年)
[14] 陈,W。;冯,P。;杨,H。;丁,H。;林,H。;Chou,K.-C.,iRNA AI:识别RNA序列中腺苷到肌苷的编辑位点,OnTarget,84208,(2017)
[15] 陈,W。;冯,P。;杨,H。;丁,H。;林,H。;Chou,K.C.,iRNA AI:识别RNA序列中腺苷到肌苷的编辑位点,OnTarget,84208-4217,(2017)
[16] 程,X。;肖,X。;Chou,K.-C.,pLoc mVirus:通过将最佳GO信息整合到通用PseAAC中预测多位置病毒蛋白质的亚细胞定位,基因,628,315-321,(2017)
[17] 程,X。;肖,X。;Chou,K.-C.,pLoc mPlant:通过将最佳GO信息整合到通用PseAAC中来预测多位置植物蛋白质的亚细胞定位,Mol.Biosyst.,131722-1727,(2017)
[18] 程,X。;肖,X。;Chou,K.-C.,pLoc-mEuk:通过提取关键GO信息预测多标记真核生物蛋白质的亚细胞定位,基因组学,110,1,50-58,(2017)
[19] 程,X。;肖,X。;周国庆,公共科学与应用学会(PseAAC)与平衡训练资料集预测植物蛋白质的亚细胞定位。药学。Des.,244013-4022,(2018年)
[20] 程,X。;赵,S.-G。;肖,X。;Chou,K.-C.,iATC mISF:用于预测解剖治疗化学品类别的多标签分类器,生物信息学,33341-346,(2016)
[21] 程,X。;赵,S.-G。;林文泽。;肖,X。;周国康,《公共科学图书馆模型:用单位点和多位点预测动物蛋白质的亚细胞定位》,生物信息学,333524-3531,(2017)
[22] 周国庆,利用子网站耦合预测信号肽,蛋白质工程,14,75-79,(2001)
[23] 周国庆,利用标度窗预测信号肽,肽,22,1973-1979,(2001)
[24] 周国庆,蛋白质属性预测与伪氨基酸组成之探讨,理论。《生物学》,273236-247,(2011年)·Zbl 1405.92212
[25] 周国强,分子生物系统中多标记属性预测的一些评论,分子生物学,91092-1100,(2013)
[26] 周国庆。;张春涛,蛋白质结构类群预测。版次。生物化学。《分子生物学》,30275-349,(1995年)
[27] 周国庆。;吴志中。;Xiao,X.,iLoc Hum:使用累积标记量表预测人类蛋白质的亚细胞位置,Mol.Biosyst.,8629-641,(2012)
[28] 周国庆。;程,X。;Xiao,X.,pLoc逯bal-mHum:通过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)
[29] 周国庆,用伪氨基酸组成预测蛋白质细胞属性,蛋白质结构。功能。Genet.,43,246-255,(2001),(勘误表:同上,2001,第44、60卷)[pii]10.1002/prot.1035
[30] 周国庆,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,当代。蛋白质组学,6262-274,(2009)
[31] 《生物信息学对药物化学的影响》,医学。《化学》,11218-234,(2015年)
[32] 周,K.C.,生物科学进步推动的药物化学的一场前所未有的革命。顶部。医学。《化学》,172337-2358,(2017年)
[33] 周国庆。;Elrod,D.W.,G蛋白偶联受体的生物信息学分析,蛋白质组学研究杂志,1429-433,(2002)
[34] 周国庆。;蔡英德,杂交空间中蛋白酶类型的预测,生物化学。生物物理。资源通信(BBRC),339,1015-1020,(2006)
[35] 周国庆。;Shen,H.B.,开发用于预测蛋白质属性的web服务器的最新进展,Nat。科学,1,63-92,(2009)
[36] Contras 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周氏的PseAAC,J.Theor中来预测蛋白质的结构类别。生物,454139-145,(2018年)·Zbl 1406.92452
[37] 西藏,A。;赫弗南,R。;夏尔玛,A。;里昂,J。;帕里瓦尔,K。;Sattar,A.,革兰氏阳性和革兰氏阴性蛋白质亚细胞定位,将进化基描述符纳入Chourts general PseAAC,J.Theor。生物,364284-294,(2015年)·Zbl 1405.92092
[38] 杜伊。;姚,乙。;Zhang,C.,《磷酸化支持向量机:通过整合不同蛋白质序列属性来预测磷酸化位点》,氨基酸,461459-1469,(2014)
[39] 《肿瘤治疗中靶向RAS信号通路》,Nat。版次。癌症,3,11,(2003)
[40] 杜,P。;顾,S。;Jiao,Y.,PseAAC General:为大规模蛋白质数据集快速构建周氏伪氨基酸组成的各种通用模式,国际分子科学杂志,15,3495-3506,(2014)
[41] 杜,P。;王,X。;徐,C。;Gao,Y.,PseAAC Builder:一个跨平台的独立程序,用于生成各种特殊的周氏伪氨基酸组成,Anal。《生物化学》,425117-119,(2012年),[pii]10.1016/j.ab.2012.03.015
[42] 圣埃哈。;马哈茂德,K。;可汗,Y.D。;可汗,S.A。;周国庆,信号肽分类的数学生物学新模型,Sci。众议员,81039,(2018年)
[43] 冯克英。;蔡,Y.-D。;周国庆,蛋白质结构类预测的提升分类器,生物化学。生物物理。公社,334213-217,(2005年)
[44] 冯,下午。;林,H。;陈,W.,《利用朴素贝叶斯从序列信息识别抗氧化剂》,计算机。数学。方法医学,2013,567529,(2013)
[45] 冯,下午。;丁,H。;陈,W。;Lin,H.,《利用特征选择识别噬菌体病毒蛋白的朴素贝叶斯分类器》,计算机。数学。方法医学,2013,530696,(2013)·Zbl 1275.92017
[46] 冯,P。;丁,H。;杨,H。;陈,W。;林,H。;周,K.C.,iRNA PseColl:通过将核苷酸的集体效应整合到PseKNC中来识别不同RNA修饰的发生位置。核酸,7155-163,(2017年)
[47] 冯,P。;杨,H。;丁,H。;林,H。;陈,W。;Chou,K.C.,iDNA6mA PseKNC:通过将核苷酸物理化学性质纳入PseKNC来识别DNA N6甲基腺苷位点,基因组学,(2018)
[48] 傅,L。;牛,乙。;朱,Z。;吴,S。;Li,W.,CD-HIT:加速下一代测序数据聚类,生物信息学,283150-3152,(2012)
[49] 加乌里,A。;可汗,Y。;拉苏尔,N。;可汗,S。;Chou,K.,pNitro-Tyr-PseAAC:通过将五个特征合并到Chou的通用PseAAC,Current Pharm中来预测蛋白质中的硝基酪氨酸位点。Des,24,34,4034-4043,(2018年)
[50] 希金斯,J.B。;凯西,P.J.,预酸化在G蛋白组装和功能中的作用,细胞。信号,8433-437,(1996年)
[51] W.侯赛因。;可汗,Y.D。;拉苏尔,N。;可汗,S.A。;周,K.-C,SPalmitoylC-PseAAC:一种基于序列的模型,通过Chou的5步规则和通用的PseAAC来识别蛋白质中的s-棕榈酰化位点。生物化学,568,14-23,(2019年)
[52] 贾维德,F。;Hayat,M.,通过结合序列特征预测多标记蛋白质的亚细胞定位,周的PseAAC,基因组学,(2018)
[53] 贾杰。;刘,Z。;肖,X。;刘,B。;周国庆,pSuc赖氨酸:用PseAAC和系综随机森林方法预测蛋白质中赖氨酸琥珀酰化位点,理论杂志。生物,394223-230,(2016年)·Zbl 1343.92153
[54] 贾杰。;刘,Z。;肖,X。;刘,B。;周国庆,pSuc赖氨酸:用PseAAC和集合随机森林方法预测蛋白质中赖氨酸琥珀酰化位点,J.Theor。生物,394223-230,(2016年)·Zbl 1343.92153
[55] 贾杰。;刘,Z。;肖,X。;刘,B。;周国庆,结合物理化学性质和平稳小波变换识别蛋白质结合位点,生物化学杂志。结构。戴恩,341946-1961,(2016)
[56] 贾杰。;李,X。;邱伟。;肖,X。;周,K.-C.,iPPI PseAAC(CGR):通过将混沌博弈表示纳入PseAAC,J.Theor,识别蛋白质相互作用。生物,460195-203,(2019年)·Zbl 1406.92189
[57] 江,L。;张杰。;宣,P。;Zou,Q.,BP神经网络有助于提高不同物种的前miRNA识别,BioMed Res.Int.,2016,1-8,(2016)
[58] 朱,Z。;何俊杰,藉由将k-间隔氨基酸对之组成并入周氏通用PseAAC中来预测赖氨酸巴豆酰化位点,J.分子图。模型,77200-204,(2017年)
[59] 朱,Z。;Wang,S.Y.,通过将k-间隔氨基酸对合并到周的一般伪氨基酸组成中来预测瓜氨酸化位点,Gene,664,78-83,(2018年)
[60] 朱,Z。;曹建智。;Gu,H.,用模糊支持向量机预测赖氨酸磷酸甘油化反应,方法是将k-间隔氨基酸对合并到Ch,J.Theor中。生物,397145-150,(2016年)
[61] 可汗,Y.D。;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、 ,16678-685,(2012年)
[62] 可汗,Y.D。;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。申请书,241519-1529,(2014年)
[63] 可汗,Y.D。;可汗,S.A。;艾哈迈德,F。;Islam,S.,使用图像矩和k-均值算法的虹膜识别,Sci。世界杂志,2014,(2014)
[64] 可汗。;拉苏尔,N。;W.侯赛因。;可汗,S.A。;Chou,K.-C.,iPhosT PseAAC:通过将序列统计矩整合到PseAAC,Anal中来识别磷酸苏氨酸位点。生物化学,550109-116,(2018年)
〔65〕 可汗,Y.D。;杰米尔,M。;W.侯赛因。;拉苏尔,N。;可汗,S.A。;周国庆,pSSbond-PseAAC:用PseAAC和统计矩积分预测二硫键位置,理论。生物(2018)·Zbl 1406.92460
[66] 可汗,Y.D。;可汗,新南威尔士州。;法鲁克,S。;阿比德,A。;可汗,S.A。;艾哈迈德,F。;Mahmood,M.K.,《人类行为识别的有效算法》,Sci。世界杂志,2014,(2014)
[67] Krishnan,M.S.,使用周的通用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年)
[68] 库马尔,R。;斯利瓦斯塔瓦,A。;库马里,B。;库马尔,M.用周氏伪氨基酸组成和支持向量机预测β-内酰胺酶及其分类,理论。生物学,365,96-103,(2015年)·Zbl 1314.92055
〔69〕 拉里贾尼,B。;休谟,A.N。;塔拉弗德,A.K。;Seabra,M.C.,多种因素导致Rab27a在Rab预酸化疾病中的低效预酸化,J.Biol。《化学》,278,47,46798-46804,(2003年)
[70] 梁,Y。;Zhang,S.,通过Kullback-Leibler Difference将不同模式的PSSM整合到周氏的通用PseAAC中,识别革兰氏阴性细菌分泌的蛋白质类型。生物,454,22-29,(2018年)·Zbl 1406.92196
[71] 林,H。;邓恩智。;丁,H。;陈,W。;Chou,K.C.,iPro54 PseKNC:基于序列的预测因子,用于识别原核生物中具有伪K-元组核苷酸组成的sigma-54启动子,核酸研究,4212961-12972,(2014)
[72] 林,H。;丁,C。;宋,Q。;杨,P。;丁,H。;邓克杰。;陈伟,应用平均化学位移预测蛋白质结构类别,生物化学杂志。结构。戴恩,291147-1153,(2012年)
[73] 林文泽。;方,J.-A。;肖,X。;周国强,iLoc动物:用于预测动物蛋白质亚细胞定位的多标记学习分类器,分子生物学系统,9634-644,(2013)
[74] 林伟志。;方杰。;肖,X。;Chou,K.C.,iDNA-Prot: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。;吴,H。;周,K.C.,PSE2.0:一个改进的web服务器包,用于生成DNA、RNA和蛋白质序列的各种模式的伪组件,Nat。科学,9,67-91,(2017年)
[76] 刘,B。;杨,F。;周国庆,2L-piRNA:识别piwi相互作用RNA及其功能的两层集成分类器,分子理论。核酸,7267-277,(2017年)
[77] 刘,B。;王,S。;长,右。;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。;长,右。;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。;黄博士。;Chou,K.C.,iPromoter-2L:基于多窗口的PseKNC识别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。;长,右。;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两层预测因子,生物信息学,32,362-369,(2015)
[81] 刘,B。;方,L。;长,右。;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两层预测因子,生物信息学,32,362-369,(2016)
[82] 刘,B。;刘,F。;王,X。;陈杰。;方,L。;周,K.C.,Pse-in-One:一个用于生成DNA、RNA和蛋白质序列的各种模式伪组件的web服务器,核酸研究,43,W65-W71,(2015)
[83] 刘,L.-M。;徐,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通用PseAAC,Med中,来识别蛋白质中赖氨酸磷酸甘油化位点。《化学》,13552-559,(2017年)
[84] 罗,C.-H。;唐,H.-S.,三维力矩形式:它们的构造和在物体识别和定位中的应用,IEEE Trans。肛门模式。机器。国际,11053-1064,(1989年)
[85] 梅,J。;赵杰,用周氏伪氨基酸组成和不同分类器预测HIV-1和HIV-2蛋白,Sci。众议员,82359,(2018年)
[86] 梅,J。;赵杰,周总伪氨基酸组成和基序特征对突触前和突触后神经毒素的分析和预测,理论。生物,427147-153,(2018年)
[87] 梅,J。;傅,Y。;赵杰,用特征选择和周氏一般伪氨基酸组成分析和预测离子通道抑制剂,理论。生物,45641-48,(2018年)·19892ZB1406升
[88] 蒙达尔,S。;Pai,P.P.,周氏伪氨基酸组成改善基于序列的抗冻蛋白预测,J.Theor。生物,356,30-35,(2014年)
[89] 纳尼,L。;布拉南S。;卢米尼,A.,《通过将不同的蛋白质描述符结合到周氏的伪氨基酸组成中来预测蛋白质结构类别》,J.Theor。生物,360109-116,(2014)·Zbl 1343.92387
[90] 邱文瑞。;肖,X。;Chou,K.-C.,iRSpot TNCPseAAC:识别含有三核苷酸成分和伪氨基酸成分的重组点,国际分子科学杂志,15,1746-1766,(2014)
[91] 邱文瑞。;肖,X。;林文泽。;Chou,K.-C.,二甲基PseAAC:通过伪氨基酸组成方法识别蛋白质甲基化位点,BioMed Res.Int.,2014,1-8,(2014)
[92] 邱文瑞。;肖,X。;林文泽。;周,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赖氨酸泛素化位点,J.Biomol。结构。戴恩,331731-1742,(2015年)
[93] 邱文瑞。;肖,X。;徐志中。;Chou,K.-C.,iPhos-PseEn:通过将不同的伪成分融合到一个集成分类器中来识别蛋白质中的磷酸化位点,OnTarget,751270,(2016)
[94] 邱文瑞。;孙,B.-Q。;肖,X。;徐志中。;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] 邱文瑞。;孙,B.-Q。;肖,X。;徐志中。;Chou,K.-C.,iHyd PseCp:通过将序列耦合效应纳入通用PseAAC来识别蛋白质中的羟脯氨酸和羟赖氨酸,OnTarget,744310,(2016)
[96] 邱文瑞。;江,S.-Y。;徐志中。;肖,X。;Chou,K.-C.,iRNAm5C PseDNC:通过将物理化学性质纳入伪二核苷酸成分来识别RNA 5-甲基胞嘧啶位点,OnTarget,84178,(2017)
[97] 邱文瑞。;江,S.-Y。;孙,B.-Q。;肖,X。;程,X。;周国康,iRNA-2methyl:通过将序列耦合效应整合到通用PseKNC和集成分类器中,识别RNA 2′-O-甲基化位点。《化学》,13734-743,(2017年)
[98] 邱伟。;李,S。;崔,X。;余,Z。;王,M。;杜,J。;彭勇。;于,B.,通过将伪位置特异性评分矩阵纳入周氏的伪氨基酸组成来预测蛋白质亚软骨的位置,J.Theor。生物,450,86-103,(2018年)·Zbl 1397.92228
[99] 邱伟。;孙先生。;肖,X。;徐博士。;Chou,K.C.,iPhos‐PseEvo:通过灰色系统理论将进化信息整合到通用PseAAC中来识别人类磷酸化蛋白质,Mol.Inf.,36,(2017)
[100] 拉赫曼,S.M。;沙塔巴达,S。;萨哈,S。;卡克巴德,M。;Sohel Rahman,M.,DPP PseAAC:使用周氏通用PseAAC的DNA结合蛋白预测模型,J Thero Biol,452,22-34,(2018)
[101] 萨博,医学博士。;伊克巴尔,N。;可汗,M。;可汗,M。;Maqbool,H.F.,用复合编码特征识别RNA序列中的5-甲基胞嘧啶位点。生物,452,1-9,(2018年)·Zbl 1397.92232
[102] 桑卡里,E.S。;Manimgalai,D.D.,通过将一个新的特征集纳入周的通用PseAAC,J.Theor预测膜蛋白类型。生物,455319-328,(2018年)·Zbl 1406.92470
[103] 沈海波。;周国庆,信号-3L:预测信号肽的三层方法,生物化学。生物物理。公社,363,297-303,(2007年)
[104] 沈海波。;杨,J。;周国庆,Euk-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。;王建德。;孟,F.-L。;乔,L。;杨,R.-L。;薛,乙。;潘,F.-Y。;周小杰。;陈海Q,香烟烟雾诱导的肺部炎症反应是由EGR-1/GGPPS/MAPK信号介导的,Am。J、 《病理学》,178110-118,(2011年)
[106] 宋,J。;王,Y。;李,F。;阿克苏,T。;罗林斯,新罕布什尔州。;韦伯,G。;周国康,iProt Sub:一个用于精确定位和预测蛋白酶特异性底物和切割位点的综合软件包,简介。生物信息(2018)
[107号] 宋,J。;李,F。;武本,K。;哈夫法里,G。;阿克苏,T。;周国庆。;韦伯,G.I.,Previce,在机器学习框架中使用序列、结构和网络特征推断催化残留物的综合方法,J.Theor。生物,443125-137,(2018年)
[108] 斯利瓦斯塔瓦,A。;库马尔,R。;Kumar,M.,BlaPred:使用三层预测系统预测和分类β-内酰胺酶。生物,2018年)·Zbl 1406.92215
[109号] 史蒂文斯,T.J。;Arkin,I.T.,“更复杂的有机体的基因组中膜蛋白的比例更大吗?”,蛋白质结构。功能。生物信息,39417-420,(2000)
[110] 特里,K.L。;凯西,P.J。;Beese,L.S.,《蛋白法尼酰转移酶转化为香叶基转移酶》,生物化学,459746-9755,(2006)
[111] 提摩太,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、 ,321561-571,(1997年)
[112] 瓦拉诺娃。;科曼,D。;Gruissem,W.,异戊二烯合成的MVA和MEP途径的网络分析,年刊。版次。《植物生物学》,64665-700,(2013年)
[113] 王,L。;张,R。;Mu,Y.,Fu-SulfPred:通过融合森林来识别蛋白质S-硫基化位点,通过周的通用PseAAC,J.Theor。生物,461,51-58,(2019年)·Zbl 1406.92221
[114] 吴志中。;肖,X。;周国康,iLoc Plant:一种用于预测具有单位点和多位点的植物蛋白质亚细胞定位的多标记分类器,分子生物学系统,73287-3297,(2011)
[115] 肖,X。;吴志中。;周国庆,iLoc病毒:一种识别病毒蛋白亚细胞定位的多标记学习分类器,J.Theor。《生物学》,284,42-51,(2011年)·Zbl 1397.92238
[116] 肖,X。;王,P。;林文泽。;贾建华。;周国康,iAMP-2L:一种用于识别抗菌肽及其功能类型的两级多标记分类器,Anal。生物化学,436168-177,(2013年)
[117] 肖,X。;叶,H.-X。;刘,Z。;贾建华。;Chou,K.-C.,iROS gPseKNC:通过将二核苷酸位置特异性纳入一般伪核苷酸组成来预测DNA中的复制起始位点,OnTarget,734180,(2016)
[118] 谢,Y。;郑,Y。;李,H。;罗,X。;他,Z。;曹,S。;史,Y。;赵琪。;薛,Y。;Zuo,Z.,GPS脂质:预测多个脂质修饰位点的稳健工具,Sci。众议员,62849,(2016年)
[119] 徐,N。;沈,N。;王,X。;江,S。;薛,乙。;Li,C.,《蛋白质预酰化与人类疾病:蛋白质法尼酰化与香叶基化之平衡》,科学版。中国人寿,58328-335,(2015)
[120] 徐,Y。;王,Z。;李,C。;Chou,K.-C.,iPreny-PseAAC:通过将两层序列偶联到PseAAC中,鉴定蛋白质中的C端半胱氨酸预酸化位点。《化学》,13544-551,(2017年)
〔121〕 徐,Y。;邵小新。;吴,L.Y。;邓,纽约。;Chou,K.C.,iSNO AAPair:将氨基酸成对偶联纳入PseAAC以预测蛋白质中半胱氨酸S-亚硝基化位点,PeerJ,1,e171,(2013)
[122号] 徐,Y。;文,X。;邵新杰。;邓,纽约州。;Chou,K.-C.,iHyd-PseAAC:通过将二肽位置特异性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,157594-7610,(2014)
[123号] 徐,Y。;文,X。;文,L.S。;吴,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,PLoS One,9,(2014)
[124] 张春杰。;唐,H。;李伟。;林,H。;陈,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识别人类复制的起源,OnTarget,769783-69793,(2016)
[125] 张,L。;Kong,L.,iRSpot ADPM:通过将相关二核苷酸产物模型整合到周氏伪成分中来识别重组点,J.Theor。生物,441,1-8,(2018年)
[126] 张,S。;Liang,Y.,通过将自相关和PSSM整合到周的PseAAC中预测凋亡蛋白亚细胞定位,J.Theor。生物,2018年)·Zbl 1406.92230
[127号] 张,S。;段,X,用过采样方法预测蛋白质亚细胞定位和周氏通用PseAAC,J.Theor。生物,437239-250,(2018年)·1399204
[128] 赵薇。;王,L。;张,T.X。;赵中恩。;杜,P.F.,《为所有类型的生物序列生成周氏伪因子表示的软件工具简评》,蛋白质Pept。利特,2018年)
[129] 周国平。;博士,K.,细胞凋亡蛋白质的亚细胞定位预测,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。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。