×
亚瑟·达尼亚尔·汗;梅伦·贾米勒;瓦卡尔侯赛因;努曼·拉苏尔;谢尔·阿夫扎尔·汗;周国晨

pSSbond-PseAAC：通过整合PseAAC和统计矩预测二硫键位点。 （英语） Zbl 1406.92460号

J.西奥。生物。 463, 47-55 (2019).
小结：蛋白质的结构通过二硫键的存在获得了额外的稳定性，以抵抗各种有害影响。半胱氨酸残基之间正确的二硫键的形成确保了蛋白质在体内和体外的正确折叠。蛋白质的多肽链中可能存在许多半胱氨酸残基，但并非所有半胱氨酸残留物都参与二硫键的形成，因此，准确预测这些键对确定蛋白质的生物物理特性至关重要。在本研究中，提出了一种利用统计矩和PseAAC准确预测分子内二硫键的新方法。pSSbond-PseAAC使用PseAAC以及位置和成分相关特征来计算统计矩。统计矩非常重要，因为它们对数据序列的位置非常敏感，并且对于预测分子内二硫键，可以将矩组合在一起训练神经网络。pSSbond-PseAAC的总准确度为98.97%，灵敏度为98.92%，特异性为98.99%，MCC为0.98；它的表现优于此前报道的各种研究。

引用于1文件

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
62H30型 分类和区分；聚类分析（统计方面）
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：

五步规则;神经网络;位置相关特征;10倍交叉验证

软件：

pLoc-动物;国际RNA-AI;pLoc-mEuk公司;iHyd-PseAAC公司;pSuc-Lys公司;普罗比;pLoc-工厂;iPreny-PseAAC公司;pLoc_bal-mGneg公司;iProt-Sub（iProt-Sub）;iMethyl-PseAAC（异甲基苯丙酮）;iSuc-选择权;综合布线;iPPI-PseAAC公司;普南-PC;pLoc-m病毒;2L小核糖核酸;iKcr-PseEns公司;iPro54-PseKNC;iRNA-PseColl基因;pLoc_bal-mGpos位置;DPP-PseAAC公司;iPTM-mLys公司;iATC-mHyb公司;布拉普雷德;iDNA-程序;pLoc_bal-mHum;iEnhancer-2L型;iRSpot-PseDNC公司;iSNO-AAP航空公司;iRNA-PseU基因;iDHS-EL公司;pLoc-mGneg公司;iPhos-PseEvo公司;iPromoter-2L型;iRNAm5C-PseDNC;iRSpot-EL接口
PDF格式BibTeX公司 XML格式引用
\textit{Y.D.Khan}等人，J.Theor。生物学463，47-55（2019；Zbl 1406.92460）
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N6-甲基腺苷位点，J.Theor。生物学，455205-211（2018）·Zbl 1406.92448号
[2] 阿克巴，S。；Hayat，M.，iMethyl STTNC:N（6）-甲基腺苷位点的鉴定，通过将SAAC的概念扩展到Chou的PseAAC中以形成RNA序列，Theor Biol。，455, 205-211 (2018) ·Zbl 1406.92448号
[3] 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，PloS One，12，文章e0181966 pp.（2017）
[4] 安德烈，C.I。；Woehlbier，美国。；托雷斯，M。；Hetz，C.，《神经变性中的蛋白质二硫键异构酶：从疾病机制到生物医学应用》，FEBS Lett。，586, 2826-2834 (2012)
[5] 阿里夫，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
[6] 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
[7] Butt，A.H。；北卡罗来纳州拉苏尔。；Khan，Y.D.，《计算方法预测膜蛋白及其亚型的论文》，J.Memb。生物学，250，55-76（2017）
[8] 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（2016）
[9] 蔡，L。；黄，T。；苏，J。；张，X。；Chen，W。；张，F。；He，L。；Chou，K.-C.，新发现的脑eQTL基因及其相互作用物在精神分裂症中的意义，分子治疗核酸，12，433-442（2018）
[10] 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，201151-1156（2004），bth054[pii]
[11] 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，29，960-962（2013），doi:btt072[pii]10.1093/Bioinformatics/btt072
[12] 塞罗尼，A。；Passerini，A。；A.Vullo。；Frasconi，P.，DISULFIND:二硫键状态和半胱氨酸连接性预测服务器，核酸研究，34，W177-W181（2006）
[13] 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，《核酸研究》，41，e68（2013），-e68
[14] Chen，W。；Tang，H。；Ye，J。；Lin，H。；Chou，K.-C.，iRNA-PseU：识别RNA假尿苷位点，分子。《治疗-核酸》，5，7，e332（2016）
[15] Chen，W。；Tang，H。；Ye，J。；Lin，H。；Chou，K.C.，iRNA-PseU：识别RNA假尿苷位点，分子治疗-核酸，5，e332（2016）
[16] Chen，W。；丁·H。；周，X。；Lin，H。；Chou，K.-C.，iRNA（m6A）-PseDNC：使用伪二核苷酸成分识别N6-甲基腺苷位点，分析。生物化学（2018）
[17] 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）
[18] 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。，1722-1727年（2017年）
[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，110，4，231-239（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-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（2017）
[22] Cheng，X。；Xiao，X。；Chou，K.-C.，pLoc_bal-mGneg：通过准平衡训练数据集和通用PseAAC，J.Theor预测革兰氏阴性细菌蛋白质的亚细胞定位。生物（2018）·Zbl 1406.92173号
[23] 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）
[24] Cheng，X。；赵，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，858494（2017）
[25] 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）
[26] Cheng，X。；林，W.-Z。；Xiao，X。；周，K.-C。；Hancock，J.，pLoc_bal-mAnimal:通过平衡训练数据集和PseAAC预测动物蛋白质的亚细胞定位，生物信息学，1，9（2018）
[27] 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）
[28] 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
[29] 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)
[30] Chou，K.-C.，生物信息学对药物化学的影响，医学化学。，11, 218-234 (2015)
[31] 周，K.C.，《生物科学进步推动的药物化学的空前革命》，《药物化学当前专题》。，17, 2337-2358 (2017)
[32] 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)
[33] 周，K.-C。；Howe，W.J.，《β-分泌酶酶原三级结构的预测》，《生物化学》。生物物理学。Res.Commun.公司。，292, 702-708 (2002)
[34] 周，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 (2009)
[35] 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），Epub提前出版·Zbl 1406.92173号
[36] 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、功能和遗传学，43，246-255（2001），（勘误表：同上，2001，第44卷，60）[pii]
[37] 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）
[38] Chou，K.C.，生物信息学对药物化学的影响，医学化学。，11, 218-234 (2015)
[39] 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。医学化学专题。，17, 2337-2358 (2017)
[40] 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）
[41] Chou，K.C。；Cai，Y.D.，杂交空间中蛋白酶类型的预测，生物化学-生物物理研究委员会（BBRC），339，1015-1020（2006）
[42] 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
[43] 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)
[44] 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），doi:S0003-2697（12）00181-9[pii]10.1016/j.ab.2012.03.015
[45] Exarchos，K.P。；Exarchos，T.P。；Papaloukas，C。；Troganis，A.N。；Fotiadis，D.I.，使用特征选择和朴素贝叶斯方法预测肽键构象，医学和生物学会工程，5009-5012（2007），2007。EMBS 2007。IEEE第29届国际年会。电气与电子工程师协会
[46] Fass，D.，蛋白质生物物理学中的二硫键，生物物理学年鉴。，第41页，第63-79页（2012年）
[47] 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（2013）
[48] 冯，P.-M。；丁·H。；Chen，W。；Lin，H.，具有特征选择的朴素贝叶斯分类器，用于识别噬菌体病毒蛋白，计算机。数学。方法医学，2013（2013）·Zbl 1275.92017年
[49] 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，《分子治疗-核酸》，第7期，第155-163页（2017）
[50] 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来识别不同RNA修饰的发生位置，分子治疗核酸，7，155-163（2017）
[51] 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）
[52] 贾，J。；刘，Z。；Xiao，X。；刘，B。；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)
[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。生物学，394223-230（2016）·Zbl 1343.92153号
[54] 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）·Zbl 1406.92189号
[55] Ju，Z。；Wang，S.-Y.，通过将k间隔氨基酸对纳入Chou的一般伪氨基酸组成来预测瓜氨酸化位点，Gene，664，78-83（2018）
[56] 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）
[57] 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）
[58] 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。应用。，24, 1519-1529 (2014)
[59] Y.D.Khan。；Khan，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）
[60] 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》，2014，1-11（2014）
[61] 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）
[62] 李，F。；Wang，Y。；李，C。；Marquez-Lago，T.T。；Leier，A。；罗林斯，N.D。；哈法里，G。；Revote，J。；Akutsu，T。；Chou，K.-C.，《蛋白酶特异性底物和裂解位点预测的二十年生物信息学研究：对现有方法的全面回顾和基准测试》，《生物信息简报》（2018），Epub出版前
[63] 梁，Y。；Zhang，S.，通过Kullback-Leibler发散将PSSM的不同模式纳入Chou的一般PseAAC，识别革兰氏阴性细菌分泌蛋白类型，《Theor Biol杂志》，454，22-29（2018）·Zbl 1406.92196号
[64] Lin，H。；邓永中。；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）
[65] Lin，H。；丁，C。；宋，Q。；杨，P。；丁·H。；邓克杰。；Chen，W.，利用平均化学位移预测蛋白质结构类别，生物分子杂志。结构。动态。，29, 1147-1153 (2012)
[66] Lin，W.Z。；Fang，J.A。；Xiao，X。；Chou，K.C.，iDNA-Prot:使用灰色模型的随机森林识别DNA结合蛋白，PLoS ONE，6，e24756（2011），PONE-D-11-14058[pii]
[67] 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）
[68] 刘，B。；杨，F。；Chou，K.C.，2L piRNA:一种用于识别piwi相互作用RNA及其功能的双层集成分类器，Mol.Therapy-Nucleic Acids，7267-277（2017）
[69] 刘，B。；Wu，H。；Chou，K.C.，《Pse-in-One 2.0：用于生成DNA、RNA和蛋白质序列的各种伪成分模式的改进网络服务器包》，《自然科学》。，9, 67-91 (2017)
[70] 刘，B。；杨，F。；Chou，K.-C.，2L-piRNA:一种用于识别Piwi相互作用RNA及其功能的双层集成分类器，Mol.Therapy Nucleic Acids，7267-277（2017）
[71] 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）
[72] 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）
[73] 刘，B。；杨，F。；黄，D.-S。；Chou，K.-C.，iPromoter-2L：通过基于多窗口的PseKNC识别启动子及其类型的双层预测因子，生物信息学，34，33-40（2017）
[74] 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）
[75] 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）
[76] 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）
[77] 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)
[78] 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)
[79] 毛，B。；Chou，K.C。；Maggiora，G.M.，蛋白质结构中氢键的拓扑分析，《欧洲生物化学杂志》。，188, 361-365 (1990)
[80] Martelli，P.L。；Fariselli，P。；马拉古蒂，L。；Casadio，R.，用隐藏神经网络预测蛋白质中半胱氨酸的二硫键状态，蛋白质工程，15951-953（2002）
[81] 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）
[82] 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。代表，82359（2018）
[83] 梅，J。；Zhao，J.，利用Chou的伪氨基酸组成和不同分类器预测HIV-1和HIV-2蛋白，Sci。代表，82359（2018）
[84] 梅，J。；Fu，Y。；Zhao，J.，使用特征选择和Chou的一般伪氨基酸组成分析和预测离子通道抑制剂，J.Theor。生物学，45641-48（2018）·Zbl 1406.92198号
[85] 奥康纳，B.D。；Yeates，T.O.，GDAP：全基因组蛋白质二硫键预测的网络工具，Nucl。《酸类研究》，32，W360-W364（2004）
[86] 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（2014）
[87] 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，Bioninform，32，3116-123（2016）
[88] 邱伟荣。；蒋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（2017）
[89] 邱伟荣。；孙碧琴。；Xiao，X。；徐，Z.C。；贾俊华。；Chou，K.-C.，Ikcr-pseens:使用伪组分和集成分类器识别组蛋白中的赖氨酸-巴豆酸化位点，基因组学，110，5，239-246（2017）
[90] 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
[91] 邱伟荣。；孙碧琴。；Xiao，X。；Xu博士。；Chou，K.C.，iPhos‐PseEvo：通过灰色系统理论将进化信息整合到一般PseAAC中来识别人类磷酸化蛋白质，分子信息。，36, 1-10 (2017)
[92] 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-J.Theor建立的DNA-结合蛋白预测模型。生物学，452，22-34（2018）
[93] 雷蒙迪，D。；奥兰多，G。；Vranken，W.F.，基于聚类的半胱氨酸协同进化模型改进了二硫键连接性预测并降低了同源序列要求，生物信息学，311219-1225（2014）
[94] 雷蒙迪，D。；奥兰多，G。；Vranken，W.F.，《利用系统发育树和简单半胱氨酸突变模型预测二硫键连接性的进化观点》，PloS One，10，Article e0131792 pp.（2015）
[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] 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）·Zbl 1406.92470号
[97] Sergienko，I。；Ryazanov，V。；比列茨基，B。；Byts，A。；古帕尔，A。；Rzhepesky，S.，蛋白质空间结构预测方法，Cybern。系统。分析。，46, 34-50 (2010) ·Zbl 1204.92035号
[98] 宋，J.-N。；王，M.-L。；李伟杰。；Xu，W.-B.，基于二肽组成预测蛋白质中半胱氨酸的二硫键结合状态，生物化学。生物物理学。Res.Commun.公司。，318, 142-147 (2004)
[99] 宋，J。；Wang，Y。；李，F。；Akutsu，T。；罗林斯，北卡罗来纳州。；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切割位点的综合软件包，生物信息简报，1-21（2018）
[100] Soto，C.，《揭示蛋白质错误折叠在神经退行性疾病中的作用》，Nature Rev.Neurosci。，4, 49-60 (2003)
[101] 斯里瓦斯塔瓦，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
[102] A.Vullo。；Frasconi，P.，使用递归神经网络和进化信息预测二硫化物连接性，生物信息学，20653-659（2004）
[103] Wang，M.L。；李伟杰。；Xu，W.B.，预测肽基脯氨酰顺/反异构化的支持向量机，《肽研究杂志》，63，23-28（2004）
[104] Xiao，X。；Cheng，X。；苏，S。；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，G。；毛，Q。；Chou，K.-C.，pLoc_bal-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）·Zbl 1406.92173号
[106] 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)
[107] Xu，Y。；邵晓杰。；Wu，L.-Y。；邓，N.-Y。；Chou，K.-C.，iSNO-AAPair: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）
[108] Xu，Y。；温，X。；邵晓杰。；邓，N.-Y。；Chou，K.-C，iHyd PseAAC：通过将二肽位置特异性倾向结合到伪氨基酸组成中来预测蛋白质中的羟脯氨酸和羟赖氨酸，Int.J.Mol.Sci。，15, 7594-7610 (2014)
[109] Yang，H。；刘，N。；邱，X。；Liu，S.，《基质辅助激光解吸电离（MALDI）质谱法分析含二硫蛋白质的新方法》，美国社会科学杂志。，20, 2284-2293 (2009)
[110] Yaseen，A。；Li，Y.，Dinosolve：一种使用基于上下文的特征来提高预测准确性的蛋白质二硫键预测服务器，BMC Bioninform。，14，S9（2013）
[111] 张，L。；Kong，L.，iRSpot-ADMP：通过将相关的二核苷酸产物模型合并到Chou的伪组分中来识别重组点，J.Theor。生物学，441，1-8（2018）
[112] 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，437239-250（2018）·Zbl 1394.92047号
[113] 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
[114] 赵，W。；Wang，L。；张天喜。；Zhang，Z.N。；Du，P.F.，《为所有类型的生物序列生成Chou伪因子表示的软件工具简评》，Protein Pept。莱特。(2018)
[115] 朱，L。；Yang，J.等人。；Song，J.N。；Chou，K.C。；Shen，H.B.，通过特征选择提高预测二硫键连接性的准确性，J.Compute。化学。，31, 1478-1485 (2010)
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。