PseDNA-Pro: DNA-Binding Protein Identification by Combining Chou's PseAAC and Physicochemical Distance Transformation

doi:10.1002/minf.201400025

.2015年1月；34(1):8-17.

doi:10.1002/minf.201400025。 Epub 2014年9月26日。

结合周氏PseAAC和物理化学距离变换鉴定PseDNA-Pro:DNA-结合蛋白

刘斌（Bin Liu）^1 2 三, 徐静浩⁴, 石溪扇⁴, 徐瑞峰^4 5, 周继云⁴, 王晓龙^4 5

附属公司

¹哈尔滨工业大学计算机科学与技术学院深圳研究生院，中国广东深圳。bliu@insun.hit.edu.cn。
²哈尔滨工业大学深圳研究生院面向网络的智能计算重点实验室，广东深圳。bliu@insun.hit.edu.cn。
^三上海市智能信息处理重点实验室，中国上海。bliu@insun.hit.edu.cn。
⁴哈尔滨工业大学计算机科学与技术学院深圳研究生院，中国广东深圳。
⁵哈尔滨工业大学深圳研究生院面向网络的智能计算重点实验室，广东深圳。

采购管理信息： 27490858
内政部： 10.1002/minf.201400025年

PseDNA-Pro:DNA结合蛋白的Chou’s PseAAC和理化距离转化鉴定

刘斌（Bin Liu）等。摩尔通知. 2015年1月.

.2015年1月；34(1):8-17.

doi:10.1002/minf.201400025。 Epub 2014年9月26日。

作者

刘斌（Bin Liu）^1 2 三, 徐静浩⁴, 石溪扇⁴, 徐瑞峰^4 5, 周继云⁴, 王晓龙^4 5

附属公司

¹哈尔滨工业大学计算机科学与技术学院深圳研究生院，中国广东深圳。bliu@insun.hit.edu.cn。
²哈尔滨工业大学深圳研究生院面向网络的智能计算重点实验室，广东深圳。bliu@insun.hit.edu.cn。
^三上海市智能信息处理重点实验室，中国上海。bliu@insun.hit.edu.cn。
⁴哈尔滨工业大学计算机科学与技术学院深圳研究生院，中国广东深圳。
⁵哈尔滨工业大学深圳研究生院面向网络的智能计算重点实验室，广东深圳。

采购管理信息： 27490858
内政部： 10.1002/minf.201400025年

摘要

DNA结合蛋白的鉴定是生物医学研究中的一个重要问题，因为DNA结合蛋白对各种细胞过程至关重要。目前，机器学习方法以不同的特点实现了最先进的性能。提高这些方法性能的关键步骤是找到合适的蛋白质表示。在本研究中，我们提出了一种由三种基于序列的特征组成的特征向量，包括总氨基酸组成、Chou提出的伪氨基酸组成（PseAAC）和物理化学距离变换。这些特征不仅考虑了蛋白质的序列组成，还包含了蛋白质中氨基酸的序列顺序信息。将特征载体输入支持向量机（SVM）用于DNA结合蛋白鉴定。所提出的方法被称为PseDNA Pro。使用Jackknife测试在严格的基准数据集和独立测试数据集上进行的实验表明，PseDNA-Pro可以实现高于80%的准确率，优于几种最先进的方法，包括DNAbinder、DNA-Prot和iDNA-Prot。这些结果表明，结合各种特征进行DNA结合蛋白预测是一种合适的方法，并且蛋白质残基之间的序列顺序信息对于识别是相对的。对于实际应用，建立了PseDNA-Pro的web服务器，可从http://bioinformatics.hitsz.edu.cn/PseDNA-Pro/。

关键词：DNA结合蛋白；伪氨基酸组成；支持向量机。

PubMed免责声明

类似文章

结合伪氨基酸组成和基于轮廓的蛋白质表示进行DNA结合蛋白鉴定。
刘B，王S，王X。刘B等。科学报告，2015年10月20日；5:15479. doi:10.1038/srep15479。 2015年科学报告。采购管理信息：26482832 免费PMC文章。
DPP-PseAAC：使用Chou的通用PseAAC-的DNA-结合蛋白预测模型。
Rahman理学硕士、Shatabda S、Saha S、Kaykobad M、Rahman理科硕士。 Rahman MS等人。《理论生物学杂志》。2018年9月7日；452:22-34. doi:10.1016/j.jtbi.2018.05.006。Epub 2018年5月16日。《理论生物学杂志》。2018 采购管理信息：29753757
结合支持向量机和PSSM距离变换鉴定DNA结合蛋白。
Xu R、Zhou J、Wang H、He Y、Wang X、Liu B。 Xu R等。 BMC系统生物。2015;9补充1（补充1）：S10。doi:10.1186/1752-0509-9-S1-S10。Epub 2015年2月6日。 BMC系统生物。2015 采购管理信息：25708928 免费PMC文章。
iDNA-Prot | dis：通过将氨基酸距离对和简化的字母组合纳入一般伪氨基酸组成来识别DNA-结合蛋白。
刘B、徐杰、兰X、徐锐、周J、王X、周KC。刘B等。公共科学图书馆一号。2014年9月3日；9（9）：e106691。doi:10.1371/journal.pone.0106691。2014年电子收集。公共科学图书馆一号。2014 采购管理信息：25184541 免费PMC文章。
自五步规则出台以来的十年回顾。
周家川。周家川。当前药物设计。2019;25(40):4223-4234. doi:10.2174/1381612825666191129164042。当前药物设计。2019 采购管理信息：31782354 缩回。审查。

查看所有类似文章

引用人

Deep-WET：一种基于深度学习的方法，使用具有加权特征的单词嵌入技术预测DNA结合蛋白。
Mahmud SMH、Goh KOM、Hosen MF、Nandi D、Shoomboatong W。 Mahmud SMH等人。科学代表2024年2月5日；14(1):2961. doi:10.1038/s41598-024-52653-9。科学报告2024。采购管理信息：38316843 免费PMC文章。
DNA结合蛋白鉴定中基于对齐和预训练特征表示的比较分析。
陈德，张浩，陈Z，谢波，王毅。 Chen D等。计算数学方法医学2022年6月28日；2022:5847242. doi:10.1155/2022/5847242。eCollection 2022年。《计算数学方法医学》，2022年。采购管理信息：35799660 免费PMC文章。
基于LSTM-CNN特征融合的DNA-结合蛋白识别方法研究。
陆伟，陈X，张毅，吴H，丁毅，沈J，关S，李H。 Lu W等。计算数学方法医学2022年6月2日；2022:9705275. doi:10.1155/2022/9705275。eCollection 2022年。《计算数学方法医学》，2022年。采购管理信息：35693256 免费PMC文章。
通过极端梯度增强算法识别DNA-结合蛋白质。
Zhao Z，Yang W，Zhai Y，Liang Y，Zhao Y。 Zhao Z等。前发电机。2022年1月28日；12:821996. doi:10.3389/fgene.2021.821996。eCollection 2021年。前发电机。2022 采购管理信息：35154264 免费PMC文章。审查。
基于图卷积网络和接触图的DNA-结合蛋白预测的应用。
陆伟，周恩，丁毅，吴赫，张毅，傅Q，李赫。 Lu W等。 Biomed Res Int.2022年1月17日；2022:9044793. doi:10.1155/2022/9044793。eCollection 2022年。生物识别研究国际。2022。采购管理信息：35083336 免费PMC文章。

查看所有“被引用”文章

出版物类型

行动

MeSH术语

行动
行动
行动
行动
行动
行动

物质

行动

LinkOut-更多资源

其他文献来源
- scite智能引文

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

你的RSS订阅源

结合周氏PseAAC和物理化学距离变换鉴定PseDNA-Pro:DNA-结合蛋白

附属公司

PseDNA-Pro:DNA结合蛋白的Chou’s PseAAC和理化距离转化鉴定

作者

附属公司

摘要

类似文章

引用人

出版物类型

MeSH术语

物质

LinkOut-更多资源

其他文献来源

摘要

类似文章

引用人

出版物类型

MeSH术语

物质

相关信息

LinkOut-更多资源

其他文献来源