随着高通量测序技术的发展,越来越多的蛋白质数据变得可用。在这些蛋白质,一些显示特殊功能。了解这些蛋白质可能提供一个机会去探索疾病治疗的新目标。

因此,迫在眉睫的是我们开发的计算方法来研究和分析这些特殊功能的蛋白质。因此,越来越多的学者关注这个话题。开发了一些计算方法预测蛋白质的亚细胞定位和识别翻译修饰网站。然而,许多蛋白质的功能还没有注释。截至2020年7月17日,184998855年Uniprot数据库包含蛋白质。然而,数据库提供了只有562755蛋白质的注释信息。尽管一些序列相似的算法可以提供一些有用的信息,这些non-annotated蛋白质,同系物的许多蛋白质数据库中无法找到。因此,这些相似性计算工具不能给合适的预测这些蛋白质注释。因此,基于机器学习方法已经吸引了越来越多的注意力。

由于该领域的快速发展,这个特殊的问题将主要专注于机器学习方法来识别的发展具有特殊功能的蛋白质。我们邀请原始研究或综述文章作者的贡献。

潜在的主题包括但不限于以下:

• 特殊功能的蛋白质序列的特征提取方法的发展
• 应用新的数学方法制定特殊功能的蛋白质样品
• 小说在特殊的不连续特征提取功能的蛋白质的描述
• 特征融合在离子通道蛋白质识别
• 细胞周期蛋白蛋白质预测的计算方法
• 使用机器学习方法毒素蛋白的预测和分析
• 受体蛋白质识别使用计算方法
• 开发新工具与荷尔蒙相关的蛋白质鉴定
• 特殊酶识别使用机器学习的方法
• 免疫球蛋白的认可