CMMM 计算和数学方法在医学 1748 - 6718 1748 - 670 x Hindawi 10.1155 / 2020/8894478 8894478 研究文章 确定热休克蛋白家庭不平衡数据通过使用组合特性 京 小杨 https://orcid.org/0000 - 0003 - 0148 - 5946 李 Feng-Min 丁 回族 大学的科学 内蒙古农业大学 呼和浩特010018 中国 imau.edu.cn 2020年 23 9 2020年 2020年 28 8 2020年 8 9 2020年 14 9 2020年 23 9 2020年 2020年 版权©2020小杨Jing, Feng-Min李。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

热休克蛋白(休克)在生物无处不在。热休克细胞生长和生存的重要组成部分;热休克的主要功能是控制蛋白质的折叠和展开过程。根据分子的功能和质量,热休克分为六个不同的家庭:HSP20(小热休克),HSP40 (J-proteins), HSP60, HSP70,一半,HSP100。本文改进的HSP预测方法提出了分离氨基酸组成(SAAC)二肽成分(直流),联合三特性(CTF), pseudoaverage化学位移(PseACS)被选来预测热休克与支持向量机(SVM)。为了克服不平衡数据分类问题,少数语法过采样技术(杀)被用来平衡数据集。总体精度与平衡的数据集是99.72%重叠测试通过使用优化的组合特性SAAC + DC +周大福+ PseACS, 4.81%高于不平衡数据集具有相同的组合功能。Sn, Sp、Acc和MCC HSP的家庭在我们的预测模型比现有的方法。这个方法可能有利于改善蛋白质功能预测。

 中国国家自然科学基金 31360206 内蒙古自然科学基金 2019年ms03015 1。介绍

热休克蛋白(休克)在生物无处不在。他们作为分子伴侣’通过促进和维持适当的蛋白质结构和功能 1- - - - - - 4];此外,他们参与各种细胞过程如蛋白质组装、分泌、运输、和蛋白质降解[ 5, 6]。热休克时迅速表达细胞暴露于生理和环境条件如高温、感染和炎症( 7, 8]。自热休克Ritossa(于1962年被发现 9],休克蛋白被广泛研究,包括参与心血管疾病、糖尿病、癌症( 10- - - - - - 14]。根据分子的功能和质量,热休克分为六个不同的家庭:HSP20(小热休克),HSP40 (J-protein), HSP60, HSP70,一半,HSP100 [ 15]。这些家庭医生有不同的功能。HSP20家族是一个ATP-independent分子伴侣。他们是有效的防止不可逆聚合过程绑定变性蛋白质( 16]。HSP70家族是最测定仪中高度保守的家庭;这是一个ATP-dependent分子伴侣蛋白,包括蛋白质折叠和重构( 17]。HSP40 HSP70的cochaperone,参与DNA结合,蛋白质降解,细胞内信号转导,胞外分泌,内吞作用,病毒感染,细胞凋亡,热休克传感 18]。一半是另一个ATP-dependent伴侣控制蛋白质功能和活动通过促进蛋白质折叠,结合配体的受体或目标,或multiprotein复合物的组装 19]。HSP100蛋白质的功能是提高耐温度和促进特定细胞基质的蛋白水解作用和调节转录( 20.]。实验测定的热休克是费时又费力,所以有必要使用一个有效的方法来预测热休克。最近,一些计算方法在文献中提出了预测热休克。峰等人开发了一个名为“iHSP-RAAAC”选择的预测减少了氨基酸字母表(RAAA)作为特征向量;重叠测试的总体预测精度为87.42% ( 21]。艾哈迈德等人利用拆分氨基酸组成(SAAC)二肽成分(DC), PseAAC [ 22, 23]确定热休克;最高的总体预测精度为90.7%的重叠测试( 24]。Kumar等人预测热休克和non-HSPs,最好的预测精度是72.98%通过使用二肽成分(DC)的5倍交叉验证测试( 25]。默赫等人使用G-Spaced氨基酸对作文(GPC)来预测热休克;得到一个更好的结果的重叠测试( 26]。陈等人总结了最新进展在机器学习的方法来预测热休克 27]。在一个分类特征选择通常是必要的,适当的集成特性模型通常提供精度高( 28]。因此,混合特性 年代最近研究成功用于构建分类器( 29日, 30.]。我们使用了混合特性来提高性能。本文分离氨基酸组成(SAAC)二肽成分(直流),联合三特性(CTF)和pseudoaverage化学位移(PseACS)被用来预测热休克用相同的数据集作为冯et al。调查数据不平衡一直被认为是一个问题在发展中高效、可靠的预测系统;由于不均衡数据集,分类器将倾向于多数类。这里,句法少数过采样技术(杀)被用来解决不平衡的问题。总体精度与平衡的数据集是99.72%重叠测试通过使用优化的组合特性SAAC + DC +周大福+ PseACS, 4.81%高于不平衡数据集具有相同的组合功能。

 2。材料和方法 2.1。数据集

基准数据集是由冯et al。 21];数据集最初来自HSPIR数据库。为了减少同源偏差和冗余,程序CD-HIT [ 31日)被用来去除那些≥40%的序列两两序列的身份。从不同的HSP 2225序列得到家庭:子集<我nline-formula> 年代 1 包含357个序列子集<我nline-formula> 年代 2 包含1279个序列子集<我nline-formula> 年代 3 包含163个序列子集<我nline-formula> 年代 4 包含283个序列子集<我nline-formula> 年代 5 包含58序列,和子集<我nline-formula> 年代 6 包含85个序列(见下表 1)。数据集可以从http://lin-group.cn/server/iHSP-PseRAAAC免费下载。独立数据集包括两个数据集:HGNC数据集和水稻数据集(见表 2)。HGNC数据集( 32)有96人热休克,水稻数据集有55米热休克,获得了31个热休克从王et al。 33)和24从单个家庭从热休克Sarkar et al。 34]。独立的数据集可以免费下载 http://cabgrid.res.in: 8080 / ir-hsp。

序列的数量HSP的家庭。

数据集 家庭 HSP样本数量
年代 1 HSP20 357年
年代 2 HSP40 1279年
年代 3 HSP60 163年
年代 4 HSP70 283年
年代 5 一半 58
年代 6 HSP100 85年
年代 整体 2225年

独立的数据集的组合数。

家庭 HGNC数据集 水稻数据集
王等。 Sarkar et al。
HSP20 11 14 - - - - - -
HSP40 49 - - - - - - - - - - - -
HSP60 15 4 - - - - - -
HSP70 17 7 24
一半 4 3 - - - - - -
HSP100 - - - - - - 3 - - - - - -
总 96年 31日 24
2.2。预测模型建设概述

预测模型过程如图 1。热休克的特征参数提取。通过使用各种信息参数,预测结果表明,可以获得更好的预测结果结合以下四个信息参数:分离氨基酸组成(SAAC)二肽成分(直流),联合三特性(CTF), pseudoaverage化学位移(PseACS)。在SAAC,蛋白质序列分成n端段和糖基段根据黄金比例。在四个特征参数,分离氨基酸组成(SAAC)二肽成分(DC)和联合三合一功能(CTF)是基于蛋白质序列,而pseudoaverage化学位移(PseACS)与蛋白质二级结构。因此,相关的特征参数序列和结构信息。四个特征参数结合,句法少数过采样技术(杀)是用来解决不平衡数据集的问题。总体精度(OA)与平衡的数据集是99.72%,结果表明,该方法优于现有方法。

该方法的流程图。SAAC:拆分氨基酸组成;直流:二肽成分;清洁技术基金:联合三特性;PseACS: pseudoaverage化学位移;杀:句法少数过采样技术。

 2.3。特征提取技术

为了预测热休克,是很重要的选择一个分类器和一组合理的参数。本文将氨基酸组成(SAAC),二肽成分(DC) ( 35),联合三特性(CTF), pseudoaverage化学位移(PseACS)被用来预测热休克。

2.3.1。拆分氨基酸组成(SAAC)

拆分氨基酸组成(SAAC)是一种基于AAC的特征提取方法。在SAAC,蛋白质序列分成不同的部分;然后,单独统计每一段的构成( 36- - - - - - 39]。众所周知,黄金比例在本质上是无处不在的。根据黄金比例,蛋白质序列分为n端部分和糖基部分;糖基的n端段段的比例是黄金比例 40]。这种方法可以表示如下: (1) SAAC _ Gr 1 = AAC格式 N , AAC格式 C , AAC格式 N = x 1 N , x 2 N , ⋯ , x 我 N , ⋯ , x 20. N , AAC格式 C = x 1 C , x 2 C , ⋯ , x 我 C , ⋯ , x 20. C , x 我 N = W 我 l N , x 我 C = W 我 l C , 我 = 1 , 2 , ⋯ , 20. , 在哪里<我nline-formula> Gr 1 是互译使用黄金比例分割,N代表N端,C代表糖基,<我nline-formula> W 我 氨基酸的发生吗<我nline-formula> 我 ,<我nline-formula> l N n端段的长度,<我nline-formula> l C 是糖基段的长度。

通过这种方法,我们可以得到<我nline-formula> SAAC _ Gr 2 ,<我nline-formula> SAAC _ Gr 3 ,…。 (2) SAAC _ Gr 2 = AAC格式 N N , AAC格式 N C , AAC格式 C N , AAC格式 C C , SAAC _ Gr 3 = AAC格式 神经网络 N , AAC格式 神经网络 C , AAC格式 数控 N , AAC格式 数控 C , AAC格式 CN N , AAC格式 CN C , AAC格式 CC N , AAC格式 CC C 。

2.3.2。二肽组分(DC)

二肽组分(DC)是一个离散的方法利用序列的邻居信息( 27, 41, 42]。每两个相邻氨基酸残基的发生频率计算;直流的优点是,它认为一些序列号信息。它可以计算如下: (3) P = f 1 , f 2 , f 3 , ⋯ , f 我 , ⋯ , f 400年 , f 我 = 米 我 l − 1 , 在哪里<我nline-formula> 米 我 发生的数量吗<我nline-formula> 我 th二肽的蛋白质序列,<我nline-formula> l 蛋白质序列的长度。

 2.3.3。联合三特性(CTF)

联合三特性(CTF)表示被沈et al。 43]。在这种方法中,一个氨基酸的性质及其附近的氨基酸被认为是。三个连续的氨基酸被视为一个单元。20种氨基酸分为7组基于偶极矩和侧链的体积:<我nline-formula> 一个 , G , V ,<我nline-formula> 我 , l , F , P ,<我nline-formula> Y , 米 , T , 年代 ,<我nline-formula> H , N , 问 , W ,<我nline-formula> R , K ,<我nline-formula> D , E ,<我nline-formula> C 。因此,每个蛋白质序列是由一个343 - (<我nline-formula> 7 × 7 × 7 )维向量,向量的每个元素对应于相应的频率联合三合会的蛋白质序列。联合三特性(CTF)已经成功地预测酶功能( 44),蛋白质-蛋白质之间的关系( 45],rna蛋白质相互作用[ 46),和核受体( 47]。周大福可以制定如下的特点: (4) 清洁技术基金 = x 1 , x 2 , x 3 , ⋯ , x 我 , ⋯ , x 343年 , x 我 = n 我 l − 2 , 在哪里<我nline-formula> n 我 是每个三类型的发生数量的蛋白质序列,<我nline-formula> l 蛋白质序列的长度。

 2.3.4。Pseudoaverage化学位移(PseACS)

核磁共振(NMR)在研究蛋白质的结构中起着独特的作用,因为它提供了内部运动的动态信息的蛋白质在多个时间尺度( 48]。质子的化学环境敏感的。质子在不同的化学环境中体验不同的磁场,他们吸收不同频率不同的磁场;各种蛋白质的共振频率与一个站被称为化学位移 49]。作为重要的参数是由核磁共振(NMR)谱测量,化学位移被用作蛋白质结构的指标。一些研究人员透露,平均化学位移(ACS)的一个特定的核蛋白质骨干经验相关,其二级结构( 50]。PseACS web访问 生物信息学手段/中航商用飞机有限公司/ index.asp http://202.207.14.87:8032。

为蛋白质<我nline-formula> P ,每个氨基酸序列中由其平均代替化学位移,和<我nline-formula> P 可以表示如下: (5) P = 一个 1 我 , 一个 2 我 , 一个 3 我 , ⋯ , 一个 l 我 , 我 = N 15 , C 13 α , H 1 α , H 1 N , 在哪里<我nline-formula> N 15 代表氮,<我nline-formula> C 13 α α碳,<我nline-formula> H 1 α α氢,<我nline-formula> H 1 N 氢与氮。

之后,我们选择<我nline-formula> λ = 54 和<我nline-formula> 我 = N 15 , C 13 α , H 1 α , H 1 ,PseACS将表示如下: (6) ϕ 我 λ = 1 l − λ ∑ k = 1 l − λ 一个 k 我 − 一个 k + λ 我 2 , 我 = N 15 , C 13 α , H 1 α , H 1 N ; λ < l , PseACS = ϕ 我 0 , ϕ 我 1 , ϕ 我 2 , ⋯ , ϕ 我 λ , 我 = N 15 , C 13 α , H 1 α , H 1 N 。

2.4。语法少数过采样技术(打)

如表所示 1HSP40的数量的4倍,8倍,5倍,22倍,HSP20的15倍,HSP60, HSP70,一半,和HSP100分别。这导致不平衡数据分类问题。为了克服这个问题,我们使用了击杀来解决不平衡的问题。打过采样方法,少数类是通过选择少数采样过量类和创建新的合成样品沿着线段连接任何或所有<我nline-formula> K 最近的邻居属于这个类( 51, 52]。摘要蛋白质数量的六个亚科与杀处于平衡状态。该算法由Weka软件实现。一个过滤器选择击打加载数据时,显示和参数采用默认参数从小型到大型的家庭数量;剩下的五个家庭数量的增加反过来HSP40的数量,这是物质本身的最大数量的家庭。通过这种方式,实现。

 2.5。支持向量机(SVM)

支持向量机是一种机器学习算法,它是基于统计学习理论。支持向量机的基本思想是将输入数据转换为高维希尔伯特空间,然后确定可选分离超平面( 53, 54]。激进的基础内核函数(RBF)被用来获取分类超平面的效果和速度的训练过程。处理多类问题,调节参数<我nline-formula> c 和内核宽度参数<我nline-formula> γ 通过网格搜索方法确定。“One-versus-one(蛋)”和“one-versus-rest(表达)”方法通常适用于扩展传统的支持向量机。在这项研究中,所使用的“蛋”策略。蛋策略构造<我nline-formula> k × k − 1 / 2 与每一个分类器训练数据从两个不同的类。支持向量机已经成功地应用在计算生物学和生物信息学领域的 55- - - - - - 64年]。摘要LibSVM包是用来预测热休克,可以从下载 https://www.csie.ntu.edu.tw/ ~ cjlin / libsvm。

 2.6。绩效评估

在统计预测,三交叉验证测试常用检查其有效性的预测在实际应用<我nline-formula> k 倍交叉验证(二次抽样测试),独立数据集测试和重叠测试。在三种方法中,重叠测试被认为是最客观、严谨。在重叠测试,每个样本在训练数据集是反过来指出作为一个独立的测试样本和所有的规则参数计算基于剩余的数据集不包括被确定。因此,重叠测试是用来评估性能。评估我们的模型的预测能力和可靠性,分类算法的性能测量使用以下:灵敏度(Sn),特异性(Sp)、准确性(Acc),马修的相关系数(MCC),总体精度(OA) [ 65年- - - - - - 75年]。分类算法的性能测量通过以下: (7) Sn = TP TP + FN , Sp = TN TN + 《外交政策》 , 世纪挑战集团 = TP × TN − 《外交政策》 × FN TP + 《外交政策》 × TN + FN × TP + FN × TN + 《外交政策》 , Acc = TP + TN TP + TN + 《外交政策》 + FN , 办公自动化 = ∑ 我 = 1 米 TP 我 / N , TP代表真阳性,TN代表真正的负面,FP是假阳性,FN代表了假阴性。<我nline-formula> 米 = 6 的子集,<我nline-formula> N 是总序列的数量HSP的家庭。

 3所示。结果与讨论 3.1。热休克的预测性能

为了调查预测模型的有效性,很多选择特征参数预测热休克( 76年, 77年]。然后,分离氨基酸组成(SAAC)二肽成分(直流),联合三特性(CTF), pseudoaverage化学位移(PseACS)被选来预测热休克。表 3列出了热休克的预测性能使用个人特性的支持向量机分类算法没有击杀;最高的整体精度(OA)的单个参数是使用PseACS 91.38%重叠测试。个人特征与整体精度确定热休克的家庭(OA)从80.92%到91.38%不等。

个人特性与重叠测试的预测结果通过使用支持向量机对HSP的家庭。

特性 HSP的家庭 OA (%)
HSP20 HSP40 HSP60 HSP70 一半 HSP100
清洁技术基金 Sn (%) 74.86 90.92 54.72 67.27 53.85 67.9 80.92
Sp (%) 95.07 76.19 98.71 96.48 99.86 99.52
世纪挑战集团 0.7 0.68 0.63 0.66 0.69 0.75
Acc (%) 91.79 84.68 95.5 92.75 98.76 98.35
SAAC Sn (%) 81.07 97.53 58.49 75.9 57.69 74.07 87.25
Sp (%) 97.7 81.06 99.36 98.26 One hundred. 99.48
世纪挑战集团 0.81 0.81 0.7 0.78 0.76 0.78
Acc (%) 95年 90.55 96.38 95.41 98.99 98.53
直流 Sn (%) 90.96 96.66 68.55 84.89 63.46 77.78 90.69
Sp (%) 96.66 90.69 99.11 98.16 One hundred. 99.86
世纪挑战集团 0.85 0.88 0.75 0.84 0.79 0.86
Acc (%) 95.73 94.13 96.88 96.47 99.13 99.04
PseACS Sn (%) 92.37 95.46 75.47 87.41 67.31 83.95 91.38
Sp (%) 99.01 89.94 98.71 98.16 99.91 99.33
世纪挑战集团 0.92 0.86 0.77 0.86 0.79 0.83
Acc (%) 97.94 93.12 97.02 96.79 99.13 98.76

图 2显示了不同的预测结果结合热休克的特点和支持向量机没有击杀。的结果表明,该组合特征SAAC + DC +周大福+ PseACS比其他参数。的整体精度(OA)的结合特性SAAC + DC +周大福+ PseACS重叠测试94.91%。这一结果表明,结合功能强大的预测热休克。

预测结果不同的结合特性。数字表示特点:1,2为周大福,SAAC PseACS 3, 4。

表 4列出了HSP家庭使用的预测性能优化组合特性SAAC + DC +周大福+ PseACS没有击杀。模型与击杀,Sn, Sp, Acc, MCC HSP的家庭得到了显著提高。例如,对于HSP20击杀,<我nline-formula> Sn = One hundred. % ,<我nline-formula> Sp = 99.92 % ,<我nline-formula> 世纪挑战集团 = 1 ,<我nline-formula> Acc = 99.93 % ,5.65%、1.34%、0.08和2.04%高于那些没有击杀。此外,<我nline-formula> 办公自动化 = 99.72 % 杀,这是4.81%高于HSP家庭没有击杀。结果表明,结合参数SAAC + DC +周大福+ PseACS杀是有助于提高预测性能。

热休克的预测结果用的组合特征SAAC + DC +周大福+ PseACS没有击杀。

功能有或没有击杀(Y / N) HSP的家庭 OA (%)
HSP20 HSP40 HSP60 HSP70 一半 HSP100
PseACS + DC + SAAC +清洁技术基金 Y Sn (%) One hundred. 98.33 One hundred. One hundred. One hundred. One hundred. 99.72
Sp (%) 99.92 One hundred. 99.92 99.82 One hundred. One hundred.
世纪挑战集团 1 0.99 1 0.99 1 1
Acc (%) 99.93 99.72 99.93 99.85 One hundred. One hundred.
PseACS + DC + SAAC +清洁技术基金 N Sn (%) 94.35 98.89 81.13 90.29 75年 91.36 94.91
Sp (%) 98.58 94.26 99.6 98.84 One hundred. 99.9
世纪挑战集团 0.92 0.94 0.87 0.90 0.86 0.94
Acc (%) 97.89 96.93 98.26 97.75 99.4 99.59
3.2。与其他算法比较

我们的预测模型的预测性能(SVM),随机森林(RF) ( 78年),朴素贝叶斯(NB),<我nline-formula> K 最近的邻居(资讯) 79年)所示的数字 3和 4。从图 3的差异,我们可以看到锡、Sp, MCC, Acc HSP的家庭是显而易见的。HSP60的Sn, HSP70,一半,HSP100使用SVM和资讯都是100%。的Sp HSP20使用资讯和SVM相似,和Sp HSP40使用SVM和资讯是100%。的MCC HSP20一半寿命和使用支持向量机和资讯都是1。HSP20使用资讯和支持向量机的Acc是相似的。此外,从图 4,我们可以看到,OA与SVM的价值为99.72%,4.39%,7.07%,和18.99%高于射频,资讯,分别和NB。其他参数的最高价值是通过支持向量机。因此,实验结果表明,支持向量机取得了最好的措施。

预测敏感性,特异性,MCC,医生通过使用四个算法的准确性。

热休克的总体预测精度使用四个算法。

图 5显示了预测性能HSP家庭使用独立的数据集。HGNC独立数据集,我们预测模型的OA是98.96%,11.60%和11.46%高于PredHSP ir-HSP,分别。大米的独立的数据集,我们预测模型的OA达到99.31%,4.76%和2.95%高于PredHSP ir-HSP,分别。的比较,我们可以得出一个结论,我们的预测模型的适用性和准确性HSP预测提高了。

该方法的比较独立的数据集。

 3.3。与现有的方法比较

为了评估我们的预测模型的性能,我们做了与现有的方法比较。方法由艾哈迈德等人并没有提供任何family-wise热休克的准确性,所以我们比较iHSP-PseRAAAC的有效性,PredHSP, ir-HSP。比较结果如表所示 5。我们可以看到Sn, Sp, Acc,和MCC的HSP的家庭在我们的预测模型是高于PredHSP, iHSP-PseRAAAC, ir-HSP。例如,在我们的预测模型,<我nline-formula> Sn = One hundred. % ,<我nline-formula> Sp = 99.92 % ,<我nline-formula> 世纪挑战集团 = 1 ,<我nline-formula> Acc = 99.93 % HSP20超过那些ir-HSP, PredHSP, iHSP-PseRAAAC。此外,在我们的预测模型,<我nline-formula> Sn = One hundred. HSP的家庭,除了HSP40<我nline-formula> Sn = 98.33 % 。此外,我们预测模型的整体精度为99.72%。这些结果表明,我们的预测模型是优于现有方法。

本文预测结果之间的比较和现有的方法。

方法 HSP的家庭
HSP20 HSP40 HSP60 HSP70 一半 HSP100
iHSP-PseRAAAC<年代up>一个 Sn (%) 87.68 95.31 66.87 79.15 51.72 69.41
Sp (%) 96.36 84.87 98.93 86.54 99.89 99.84
世纪挑战集团 0.82 0.99 0.69 0.54 0.3 0.83
Acc (%) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
PredHSP<年代up>b Sn (%) 92.16 96.09 79.75 91.17 72.41 82.35
Sp (%) 97.16 86.26 97.24 91.97 99.12 98.08
世纪挑战集团 0.87 0.83 0.72 0.71 0.7 0.71
Acc (%) 96.36 91.91 95.96 91.87 98.43 97.48
ir-HSP<年代up>c Sn (%) 94.63 97.45 67.92 88.49 75年 88.89
Sp (%) 96.61 95.13 98.86 98.84 99.76 99.57
世纪挑战集团 0.8718 0.9276 0.7307 0.8871 0.8112 0.8846
Acc (%) 96.28 96.47 96.61 97.52 99.17 99.17
我们的预测模型 Sn (%) One hundred. 98.33 One hundred. One hundred. One hundred. One hundred.
Sp (%) 99.92 One hundred. 99.92 99.82 One hundred. One hundred.
世纪挑战集团 1 0.99 1 0.99 1 1
Acc (%) 99.93 99.72 99.93 99.85 One hundred. One hundred.

一个冯et al。 21]。<年代up>bKumar et al。 25]。<年代up>c默赫et al。 26]。

 4所示。结论

在这项工作中,一个优化分类器对HSP家庭识别了。这个模型是由支持向量机的机器学习算法,并击杀被用于不平衡数据分类问题。总体精度是99.72%与平衡的数据集和重叠测试通过使用优化的组合特性SAAC + DC +周大福+ PseACS。总体精度高的结果表明,我们的预测模型是一个可靠的工具,HSP家庭预测。众所周知,HSP表达与人类疾病有关,和这些家庭的休克蛋白有不同的功能。因此,我们预测模型将有利于研究人员通过快速和有效地确定HSP家庭和使研究人员设计新的药物来达到治疗疾病的目的。

 数据可用性

使用的数据来支持本研究的结果可从补充材料。

 的利益冲突

作者宣称没有利益冲突。

 作者的贡献

调频李构思特征参数的选择。XY京进行了计算和写的手稿。李调频进行了结果分析。两位作者回顾了手稿。

 确认

这项工作是支持的中国内蒙古自治区自然科学基金(2019 ms03015)和中国国家自然科学基金(31360206)。

 补充材料

序列的名称HSP的家庭。

序列的名称独立的数据集。

 刘 T。 丹尼尔斯 c K。 曹 年代。 全面审查HSC70功能,与相关分子和交互参与临床疾病和治疗的潜力 药理学和治疗 2012年 136年 3 354年 374年 10.1016 / j.pharmthera.2012.08.014 2 - s2.0 - 84867840534 22960394 吴 j . M。 刘 t E。 里奥斯 Z。 梅 问:B。 林 x K。 曹 美国年代。 热休克蛋白和癌症 药理科学趋势 2017年 38 3 226年 256年 10.1016 / j.tips.2016.11.009 2 - s2.0 - 85010781163 28012700 菲德尔 m E。 霍夫曼 g . E。 热休克蛋白,分子伴侣’和应激反应:进化和生态生理学 年度回顾的生理 1999年 61年 1 243年 282年 10.1146 / annurev.physiol.61.1.243 2 - s2.0 - 0033057848 卡齐 s R。 哈奇 N。 艾哈迈德 年代。 沙基尔 s . N。 HSEAT:植物热休克的工具元素分析、主题识别和分析 目前的生物信息学 2020年 15 3 196年 203年 10.2174 / 1574893614666190102151956 Chatterjee 年代。 伯恩斯 t F。 针对热休克蛋白在癌症:一个有前途的治疗方法 国际分子科学杂志》上 2017年 18 9 1978年 10.3390 / ijms18091978 2 - s2.0 - 85029713475 28914774 快乐的 C。 森本晃司 r . I。 热休克反应和分子伴侣’的作用在肿瘤形成和细胞死亡 美国国家癌症研究所杂志》上 2000年 92年 19 1564年 1572年 10.1093 / jnci / 92.19.1564 11018092 Khadir 一个。 Kavalakatt 年代。 Cherian P。 瓦萨米 年代。 Abubaker j . A。 Dehbi M。 这 一个。 体育锻炼增强热休克蛋白60表达和减毒在人类糖尿病肥胖的脂肪组织炎症 内分泌学前沿 2018年 9 16 10.3389 / fendo.2018.00016 2 - s2.0 - 85041832797 Ikwegbue p C。 Masamba P。 姆巴 l S。 Oyinloye b E。 Kappo 答:P。 热休克蛋白之间的相互作用、炎症和癌症:一个潜在的癌症治疗的目标 美国癌症研究杂志》上 2019年 9 2 242年 249年 30906626 Ritossa F。 一个新的膨化温度冲击引起的模式和DNP在果蝇 Experientia 1962年 18 12 571年 573年 10.1007 / BF02172188 2 - s2.0 - 34250561475 Rodriguez-Iturbe B。 约翰逊 r . J。 热休克蛋白和心血管疾病 生理学国际 2018年 105年 1 19 37 10.1556 / 2060.105.2018.1.4 2 - s2.0 - 85046372897 29602292 Zilaee M。 Shirali 年代。 热休克蛋白和糖尿病 加拿大糖尿病杂志》 2016年 40 6 594年 602年 10.1016 / j.jcjd.2016.05.016 2 - s2.0 - 84995944952 27545596 Lianos g D。 Alexiou g。 曼格诺 一个。 曼格诺 一个。 Rausei 年代。 Boni l 迪奥尼基表示 G。 Roukos d . H。 热休克蛋白在癌症的作用 癌症的信 2015年 360年 2 114年 118年 10.1016 / j.canlet.2015.02.026 2 - s2.0 - 84924867686 25721081 赵 T。 胡 Y。 彭 J。 程 l DeepLGP:小说深度学习方法优先lncRNA目标基因 生物信息学 2020年 10.1093 /生物信息学/ btaa428 梁 C。 Changlu Q。 他 Z。 Tongze F。 雪 Z。 gutMDisorder:一个全面的数据库失调紊乱和肠道微生物群的干预措施 核酸的研究 2019年 48 D1 D554 D560 纳 n S。 Arunraj s P。 Sinha D。 拉詹 诉B。 Esthaki 诉K。 德席尔瓦 P。 HSPIR:手动带注释的热休克蛋白信息资源 生物信息学 2012年 28 21 2853年 2855年 10.1093 /生物信息学/ bts520 2 - s2.0 - 84868026839 22923302 马哈茂德 T。 Safdar W。 Abbasi b . H。 纳 美国年代。 概述了热休克蛋白 非洲生物技术杂志 2010年 9 7 927年 939年 Genest O。 Wickner 年代。 柯南道尔 s M。 Hsp 90和Hsp 70陪伴:合作者在蛋白质重构 《生物化学》杂志上 2019年 294年 6 2109年 2120年 10.1074 / jbc.REV118.002806 2 - s2.0 - 85061245549 30401745 程ydF4y2Ba T。 林 t·H。 李 h . M。 陆 T。 李 j . X。 黄 W。 太阳 h . Y。 江 X。 张 j . Q。 杨ydF4y2Ba 答:F。 热休克蛋白40 (HSP40)太平洋白虾(方面对虾):分子克隆、组织分布和个体发生,反应温度、酸度、碱度和盐度压力,在卵巢发育和潜在的作用 前沿生理学 2018年 9 1784年 10.3389 / fphys.2018.01784 Schopf f . H。 Biebl M . M。 毕希纳 J。 一半伴侣机械 自然评论。分子细胞生物学 2017年 18 6 345年 360年 10.1038 / nrm.2017.20 2 - s2.0 - 85019166473 28429788 Schirmer e . C。 格洛弗 j . R。 歌手 m·A。 林奎斯特 年代。 HSP100 / Clp蛋白质:一个共同的机制解释了不同的功能 生化科学趋势 1996年 21 8 289年 296年 10.1016 / s0968 - 0004 (96) 10038 - 4 2 - s2.0 - 0030219939 8772382 冯 p . M。 程ydF4y2Ba W。 林 H。 周 k . C。 iHSP-PseRAAAC:识别热休克蛋白家族使用伪氨基酸减少字母组成 分析生物化学 2013年 442年 1 118年 125年 10.1016 / j.ab.2013.05.024 2 - s2.0 - 84885640993 23756733 杜 p F。 赵 W。 苗族 Y Y。 魏 l . Y。 王 l UltraPse:一个通用的、可扩展的软件平台为代表的生物序列 国际分子科学杂志》上 2017年 18 11 2400年 10.3390 / ijms18112400 2 - s2.0 - 85034435286 29135934 王 J。 杜 p F。 雪 x Y。 李 g . P。 周 y K。 赵 W。 林 H。 程ydF4y2Ba W。 VisFeature:一个独立的程序,观察和分析生物序列的统计特性 生物信息学 2019年 36 4 1277年 1278年 10.1093 /生物信息学/ btz689 艾哈迈德 年代。 卡比尔 M。 ‘ M。 热休克蛋白家族和J-protein类型的识别将二肽成分纳入周总PseAAC 计算机在生物医学方法和项目 2015年 122年 2 165年 174年 10.1016 / j.cmpb.2015.07.005 2 - s2.0 - 84944276251 26233307 库马尔 R。 Kumari B。 库马尔 M。 PredHSP:基于序列proteome-wide热休克蛋白生物学预测和分类工具来释放压力 《公共科学图书馆•综合》 2016年 11 5 e0155872 10.1371 / journal.pone.0155872 2 - s2.0 - 84973657539 27195495 默赫 p K。 Sahu t·K。 Gahoi 年代。 ir-HSP:识别热休克蛋白,改善他们的家庭和亚型根据g-spaced di-peptide特性和支持向量机 遗传学前沿 2018年 8 235年 10.3389 / fgene.2017.00235 2 - s2.0 - 85040517883 程ydF4y2Ba W。 冯 P。 刘 T。 京ydF4y2Ba D。 最新进展在机器学习的方法来预测热休克蛋白质 目前的药物代谢 2019年 20. 3 224年 228年 10.2174 / 1389200219666181031105916 2 - s2.0 - 85064906498 30378494 李 l Q。 余 美国J。 肖 w·D。 李 y S。 李 m . L。 黄 l 郑 x Q。 周 s W。 杨 H。 细菌蛋白质亚细胞定位预测,将各种功能纳入周PseAAC和落后的特征选择方法 Biochimie 2014年 104年 One hundred. 107年 10.1016 / j.biochi.2014.06.001 2 - s2.0 - 84905513826 24929100 张 l . N。 张 c·J。 JPPRED:预测类型的J-proteins不平衡数据使用一个学习方法 生物医学研究的国际 2015年 2015年 12 10.1155 / 2015/705156 2 - s2.0 - 84947606922 26587542 李 f·M。 王 x Q。 识别抗癌肽通过使用改进的混合成分 科学报告 2016年 6 1 33910年 10.1038 / srep33910 2 - s2.0 - 84988983895 李 w Z。 Godzik 一个。 Cd-hit:快速聚类和比较大的组蛋白或核苷酸序列 生物信息学 2006年 22 13 1658年 1659年 10.1093 /生物信息学/ btl158 2 - s2.0 - 33745634395 16731699 Kampinga H . H。 接触 J。 Vos m·J。 日本久保田公司 H。 Tanguay r·M。 Bruford 大肠。 Cheetham m E。 程ydF4y2Ba B。 高塔 l E。 人类热休克蛋白的命名指南 细胞应激和陪伴 2009年 14 1 105年 111年 10.1007 / s12192 - 008 - 0068 - 7 2 - s2.0 - 64549097439 18663603 王 Y。 林 年代。 首歌 Q。 李 K。 道 H。 黄 J。 程ydF4y2Ba X。 什么 年代。 他 H。 全基因组的识别热休克蛋白(休克)和Hsp扶少团团员饭:Hsp70s作为案例研究 BMC基因组学 2014年 15 1 344年 344年 10.1186 / 1471-2164-15-344 2 - s2.0 - 84900029813 Sarkar n K。 Kundnani P。 格罗弗 一个。 Hsp70家族蛋白的功能分析的大米(栽培稻) 细胞应激和陪伴 2013年 18 4 427年 437年 10.1007 / s12192 - 012 - 0395 - 6 2 - s2.0 - 84879501150 朱 x J。 冯 c . Q。 赖 h . Y。 程ydF4y2Ba W。 林 H。 预测蛋白质结构类low-similarity序列通过评估不同的特性 以知识为基础的系统 2019年 163年 787年 793年 10.1016 / j.knosys.2018.10.007 2 - s2.0 - 85055091222 艾哈迈德 K。 瓦里斯- M。 ‘ M。 预测蛋白质的亚线粒体的地点,将二肽成分纳入周的广义伪氨基酸组成 《膜生物学》杂志上 2016年 249年 3 293年 304年 10.1007 / s00232 - 015 - 9868 - 8 2 - s2.0 - 84953389263 26746980 Arif M。 ‘ M。 1月 Z。 iMem-2LSAAC:两级膜蛋白及其类型歧视模型通过扩展的概念SAAC到周的伪氨基酸组成 理论生物学杂志》上 2018年 442年 11 21 10.1016 / j.jtbi.2018.01.008 2 - s2.0 - 85041483405 29337263 Tahir M。 ‘ M。 iNuc-STNC:序列预测核小体定位的识别基因组通过扩展的概念SAAC周PseAAC 分子生物系统 2016年 12 8 2587年 2593年 10.1039 / C6MB00221H 2 - s2.0 - 84979255705 萨拉瓦南 V。 拉克希米 p . t . V。 Dualpred:网络服务器预测植物蛋白质dual-targeted叶绿体和线粒体分裂protein-relatedness-measure特性 目前的生物信息学 2015年 10 3 323年 331年 10.2174 / 1574893609666140226000041 2 - s2.0 - 84938590085 戴 Q。 马 年代。 海 y . B。 姚 y . H。 刘 x Q。 基于分割的模型细胞凋亡蛋白质的亚细胞定位预测 化学计量学和智能实验室系统 2016年 158年 146年 154年 10.1016 / j.chemolab.2016.09.005 2 - s2.0 - 84995639419 杨 W。 朱 x J。 黄 J。 丁 H。 林 H。 简短的调查机器学习方法在蛋白质sub-Golgi本地化 目前的生物信息学 2019年 14 3 234年 240年 10.2174 / 1574893613666181113131415 2 - s2.0 - 85065335112 唐ydF4y2Ba j . X。 李 s . H。 张 z . M。 程ydF4y2Ba c . X。 程ydF4y2Ba W。 唐 H。 林 H。 识别激素结合蛋白基于机器学习的方法 数学生物科学与工程 2019年 16 4 2466年 2480年 10.3934 / mbe.2019123 2 - s2.0 - 85064926946 31137222 沈 j·W。 张 J。 罗 x M。 朱 w . L。 余 k问。 程ydF4y2Ba k . X。 李 y . X。 江 h·L。 预测蛋白质相互作用仅基于序列信息 美国国家科学院院刊》上 2007年 104年 11 4337年 4341年 10.1073 / pnas.0607879104 2 - s2.0 - 34248371273 17360525 王 y . C。 王 Y。 杨 z . X。 邓 n Y。 支持向量机预测酶功能的联合三位一体的功能和层次上下文 BMC系统生物学 2011年 5 S1 S6 10.1186 / 1752 - 0509 - 5 - s1 s6 2 - s2.0 - 79959222107 王 J。 张 l 贾 l 任 Y。 余 G。 蛋白质相互作用预测使用新颖的地方联合三元组描述符的氨基酸序列 国际分子科学杂志》上 2017年 18 11 2373年 10.3390 / ijms18112373 2 - s2.0 - 85033586999 29117139 王 h . C。 吴 p F。 预测rna蛋白质交互使用联合三合一功能和混乱游戏表示 生物工程 2018年 9 1 242年 251年 10.1080 / 21655979.2018.1470721 2 - s2.0 - 85055751359 30117758 王 h . C。 胡 x H。 准确的预测与联合三位一体的核受体功能 BMC生物信息学 2015年 16 1 402年 10.1186 / s12859 - 015 - 0828 - 1 2 - s2.0 - 84949188243 Calligari P。 做烤鸡 D。 蛋白质中的多个规模动态探测在多个时间尺度通过核磁共振化学位移的波动 《物理化学》杂志上。B 2014年 118年 14 3823年 3831年 10.1021 / jp412125d 2 - s2.0 - 84898494069 24628040 风扇 g . L。 李 问:Z。 预测分枝杆菌蛋白质亚细胞位置通过合并pseudo-average化学位移的一般形式周的伪氨基酸组成 理论生物学杂志》上 2012年 304年 88年 95年 10.1016 / j.jtbi.2012.03.017 2 - s2.0 - 84859635404 22459701 Sibley 答:B。 Cosman M。 克里希南 诉V。 实证关系的蛋白质二级结构含量和平均化学变化 生物物理期刊 2003年 84年 2 1223年 1227年 10.1016 / s0006 - 3495 (03) 74937 - 6 2 - s2.0 - 0037304366 12547802 杨 r·T。 张 C。 高 R。 张 l . N。 小说特征提取与特征选择方法以确定Golgi-resident蛋白质不平衡数据类型 国际分子科学杂志》上 2016年 17 2 218年 10.3390 / ijms17020218 2 - s2.0 - 84957575309 26861308 乔拉 n V。 鲍耶 k W。 大厅 l . O。 Kegelmeyer w·P。 杀:合成少数over-sampling技术 人工智能研究杂志》上 2002年 16 321年 357年 10.1613 / jair.953 程 l 计算和生物基因治疗的方法 目前基因治疗 2019年 19 4 210年 210年 10.2174 / 156652321904191022113307 31762421 程 l 胡 Y。 人类疾病系统生物学 目前基因治疗 2018年 18 5 255年 256年 10.2174 / 1566523218666181010101114 2 - s2.0 - 85056583024 30306867 苏 w . X。 李 问:Z。 张 l Q。 风扇 g . L。 吴 c . Y。 杨ydF4y2Ba z H。 左 y . C。 基因表达分类使用表观遗传特性和DNA序列组成的人类胚胎干细胞线H1 基因 2016年 592年 1 227年 234年 10.1016 / j.gene.2016.07.059 2 - s2.0 - 85010200870 27468948 Manavalan B。 胫骨 t·H。 李 G。 PVP-SVM:噬菌体病毒蛋白质的序列预测使用支持向量机 微生物学前沿 2018年 9 476年 10.3389 / fmicb.2018.00476 2 - s2.0 - 85043993226 赖 h . Y。 张 z Y。 苏 z D。 苏 W。 丁 H。 程ydF4y2Ba W。 林 H。 iProEP:计算预测启动子的预测 分子Therapy-Nucleic酸 2019年 17 337年 346年 10.1016 / j.omtn.2019.05.028 2 - s2.0 - 85068478677 31299595 李 X。 唐 Q。 唐 H。 程ydF4y2Ba W。 确定抗氧化蛋白结合多种方法 在生物工程和生物技术前沿 2020年 8 858年 10.3389 / fbioe.2020.00858 赵 W。 李 g . P。 王 J。 周 y K。 高 Y。 杜 p F。 预测蛋白质sub-Golgi位置通过结合功能域浓缩分数与pseudo-amino酸成分 理论生物学杂志》上 2019年 473年 38 43 10.1016 / j.jtbi.2019.04.025 2 - s2.0 - 85065072925 31051179 杨 y . H。 马 C。 王 j·S。 杨 H。 丁 H。 汉 s G。 李 y W。 基于最优预测N7-methylguanosine网站在人类RNA序列的特性 基因组学 2020年 112年 6 4342年 4347年 10.1016 / j.ygeno.2020.07.035 刘 m . L。 苏 W。 关 z . X。 张 D。 程ydF4y2Ba W。 刘 l 丁 H。 概述预测蛋白质subchloroplast本地化使用机器学习方法 当前蛋白质和肽科学 2020年 21 10.2174 / 1389203721666200117153412 唐 Q。 康 J。 元 J。 唐 H。 李 X。 林 H。 黄 J。 程ydF4y2Ba W。 DNA4mC-LIP:线性集成方法来识别N4-methylcytosine网站在多个物种 生物信息学 2020年 36 11 3327年 3335年 10.1093 /生物信息学/ btaa143 32108866 程ydF4y2Ba J。 赵 J。 杨 年代。 程ydF4y2Ba Z。 张 Z。 在拟南芥蛋白质泛素化预测网站 目前的生物信息学 2019年 14 7 614年 620年 10.2174 / 1574893614666190311141647 2 - s2.0 - 85073716745 郭 黄永发。 常 c c。 程ydF4y2Ba C.-W。 梁 h。 常 彭译葶。 楚 Y.-W。 序列结构b细胞表位预测采用两层支持向量机模型和关联规则的功能 目前的生物信息学 2020年 15 3 246年 252年 10.2174 / 1574893614666181123155831 焦 Y。 杜 P。 绩效指标在评估基于机器学习的生物信息学预测分类 定量生物学 2016年 4 4 320年 330年 10.1007 / s40484 - 016 - 0081 - 2 2 - s2.0 - 85031499899 李 f·M。 高 x W。 革兰氏阳性细菌蛋白质亚细胞定位预测通过结合特性 生物医学研究的国际 2020年 2020年 8 9701734 10.1155 / 2020/9701734 32802888 程 l 壮族 H。 居 H。 杨 年代。 汉 J。 唐ydF4y2Ba R。 胡 Y。 暴露的因果影响身体质量指数在2型糖尿病的风险:孟德尔随机化研究 遗传学前沿 2019年 10 程 l 赵 H。 王 P。 周 W。 罗 M。 李 T。 汉 J。 刘 年代。 江 Q。 计算方法对于识别类似的疾病 分子Therapy-Nucleic酸 2019年 18 590年 604年 10.1016 / j.omtn.2019.09.019 2 - s2.0 - 85074130353 31678735 程 l 壮族 H。 杨 年代。 江 H。 王 年代。 张 J。 暴露的因果效应c反应蛋白在2型糖尿病的风险:孟德尔随机化研究 遗传学前沿 2018年 9 657年 10.3389 / fgene.2018.00657 张 z Y。 杨 y . H。 丁 H。 王 D。 程ydF4y2Ba W。 林 H。 设计的有力预测mRNA智人的亚细胞定位预测 简报的生物信息学 2020年 刀 f . Y。 Lv H。 Zulfiqar H。 杨 H。 苏 W。 高 H。 丁 H。 林 H。 一个计算平台在真核生物识别复制网站的起源 简报的生物信息学 2020年 10.1093 /龙头/ bbaa017 刀 f . Y。 Lv H。 杨 y . H。 Zulfiqar H。 高 H。 林 H。 计算识别N6-methyladenosine网站在多个组织的哺乳动物 计算和结构生物技术杂志 2020年 18 1084年 1091年 10.1016 / j.csbj.2020.04.015 32435427 杨 H。 杨 W。 刀 f . Y。 Lv H。 丁 H。 程ydF4y2Ba W。 林 H。 计算方法的比较和评估识别在酿酒酵母重组热点 简报的生物信息学 2019年 10.1093 /龙头/ bbz123 刘 K。 程ydF4y2Ba W。 iMRM:平台同时识别多个类型的RNA的修改 生物信息学 2020年 36 11 3336年 3342年 10.1093 /生物信息学/ btaa155 32134472 李 B.-Q。 张 中州。 京ydF4y2Ba >。 黄 T。 蔡 Y.-D。 预测蛋白质肽与最近邻算法的交互 目前的生物信息学 2018年 13 1 14 24 10.2174 / 1574893611666160711162006 2 - s2.0 - 85011578584 程ydF4y2Ba Z。 赵 P。 李 F。 [Leier 一个。 Marquezlago T . T。 王 Y。 韦伯 g . I。 史密斯 答:我。 戴利 r . J。 周 K。 iFeature: Python包和web服务器进行特征提取和选择从蛋白质和肽序列 生物信息学 2018年 34 14 2499年 2502年 10.1093 /生物信息学/ bty140 2 - s2.0 - 85052948094 29528364 Muhammod R。 艾哈迈德 年代。 法 d . M。 Shatabda 年代。 沙玛 一个。 Dehzangi 一个。 PyFeat:面向有效功能生成工具DNA, RNA和蛋白质序列 生物信息学 2019年 35 19 3831年 3833年 10.1093 /生物信息学/ btz165 2 - s2.0 - 85066292835 30850831 Ao C。 周 W。 高 l 越南盾 B。 余 l 使用混合特性表征方法预测蛋白质的抗氧化和随机森林 基因组学 2020年 112年 6 4666年 4674年 10.1016 / j.ygeno.2020.08.016 Kwon E。 赵 M。 金 H。 首歌ydF4y2Ba h·S。 流感病毒的宿主取向决定因素研究使用机器学习 目前的生物信息学 2020年 15 2 121年 134年 10.2174 / 1574893614666191104160927