LipoFNT: Lipoylation网站识别与灵活的神经树

文摘

赖氨酸lipoylation是一种特殊类型的转译后的修改在原核生物和真核生物的蛋白质组学研究。这样的修改参加几个重要生物游行和细胞水平起着关键作用。为了构建和设计一个精确的分类识别算法lipoylation网站在蛋白质水平,计算方法应该考虑到在这个领域。与此同时,几个因素在修改网站的识别中扮演不同的角色。考虑这种情况下,修改网站的有效识别的基本元素是可用的功能描述和高效的分类。这两个元素,区分lipoylation样本和nonlipoylation样本可以被视为一个典型的机器学习领域的分类问题。在这项工作中,我们提出一个方法叫LipoFNT,雇佣了两集,包括Position-Specific得分矩阵和bi-profile贝叶斯分类特性。然后,灵活的神经树算法是用来解决不平衡分类问题lipoylation修改样本数据集。该方法在sn %可以达到81.07%,80.29%在sp, 80.68%在Acc, 0.8076在F1,分别在MCC和0.6136。与此同时,我们演示了肽的长度之间的关系,修改网站的识别。

1。介绍

赖氨酸lipoylation可以被看作是一个最重要的元素在生物学领域。这种类型的修改有很高的保护。因此,赖氨酸lipoylation是一种特殊类型的转译后的修改在原核生物和真核生物的蛋白质组学研究[1]。指出lipoylation可以被视为一个特殊的过程,这是硫辛酸的共价连接2-oxoacid脱氢酶酶复合物(2- - - - - -5]。这种类型的修改是不同于其他多功能天车类型,取决于当地的氨基酸残基在蛋白质序列的水平。考虑到高保护lipoylation修改,这种类型的修改很难受到相邻氨基酸残基在蛋白质序列的水平6]。是已知赖氨酸lipoylation,是有效进化游行之一,出现在各种酶,包括丙酮酸脱氢酶和其他相关的酶,在许多微生物,包括细菌和哺乳动物(7- - - - - -9]。同时,lipoylation扮演重要的角色在许多关键代谢途径和蛋白质相互作用[10]。几年的努力,一些重要的研究报道,修改与一些人类疾病有关系。这些疾病,包括代谢疾病、癌症、病毒感染和阿尔茨海默病(11- - - - - -15),可能会导致一些负面和有害影响的人。考虑上述原因,发现生物功能的修改是很有帮助的,有利于了解这种严重的疾病在某种程度上提到的原因。然而,大量lipoylation网站很难有效和准确地确定在这个领域。没有标识的修改网站,lipoylation的分子功能很难发现和研究。所以,这样的问题可以被视为在相关领域的迫切的话题之一。

Lipoylation可以被视为一个罕见但高度保守的赖氨酸在铝电解多功能天车类型研究。lipoylation的不断发展,一些重要问题的报告。其中一个是,仅仅是四种multimeric代谢酶在哺乳动物。在这些蛋白质,其中大部分是核心的代谢景观。指出,这种线粒体蛋白质的失调可能会导致一些人类代谢紊乱度,甚至一些疾病。与此同时,最引人注目的问题可以被视为lipoylation本身。因此,进一步深入研究如此高的守恒的赖氨酸修饰类型,添加或删除这样的修改是大多数物种中所有的进化水平的蛋白质。简而言之,这种修改可以被视为一个最重要的基本生物学领域的代数余子式。所以,我们将演示的生物功能和意义这样的修改。从这些原因,了解这样一个修改的规定的意义可能是一个必要的元素在人类疾病的研究。

lipoamide lipoylation的功能,可以被看作是一个代数余子式的中央细胞新陈代谢的水平7,16]。给出了lipoylation守恒的赖氨酸天车在基本multimeric代谢复合体,和这个函数组需要一些酶的活动在这些蛋白复合物(17,18]。例如,丙酮酸脱氢酶(PDH)和alpha-ketoglutarate (KDH)复合物的能力来调节不同的碳入口点到柠檬酸的主要代谢途径。对于上面提到的复合物,lipoylation扮演着重要的角色在适当的酶功能。与此同时,消除这种类型的赖氨酸的修改可能会导致居住在某种程度上他们的活动。据报道,这种类型的进化保护天车lipoylated酶的范围可以从各种各样的物种,在几个核心代谢途径作出一些贡献水平的生物(8,9]。这样的主题保护可视为lipoylated复合物(19,20.]。等引人注目的进化守恒赖氨酸罕见的修改,它是指出,这些修饰酶做出伟大贡献维护健康和一些严重的疾病12,13,21]。

为了更好的发现和知道lipoylation的分子机制,识别这样的修改网站的主要问题可视为分类问题,在不同尺度的正样本和负样本。有一些元素的这个问题。实际上,一些实验方法和生物方法已经提出了在这一领域。然而,实验和生物学的几乎不能满足需要,它似乎在某些度耗费时间和资源的浪费。一些多功能天车的网站,包括磷酸化(22- - - - - -24],S-nitrosylation [25- - - - - -28],succinylation网站[29日,30.)、羟基化网站(31日,32],crotonylation [33,34],sumoylation [35,糖基化36],泛素化[37],prenylation [38],羰基化[39)和甲基化40- - - - - -45),已经成功地在网上分类的方法。从这些成功的实例,我们可以很容易地发现几个关键元素的分类问题应该指出。这些关键要素包括功能评估,模型结构,分类模型的选择和测量的分类。另一方面,不平衡数据集的负样本远远大于积极的,应该考虑。

为了构建和设计一个精确的分类识别算法lipoylation网站在蛋白质水平的研究,修改网站的有效识别的基本元素是可用的功能描述和高效的分类。这两个元素,区分lipoylation样品和nonlipoylation样本可以被视为一个典型的机器学习领域的分类问题。在这项工作中,我们使用了两个特色集,包括Position-Specific得分矩阵(PSSM)和bi-profile贝叶斯分类特性。然后,柔性神经树(FNT)算法是用来解决不平衡分类问题lipoylation修改样本数据集。通过结合其他特色集和其他机器学习模型,我们发现该方法具有更好的性能比其他art-of-the-state天车网站领域的识别方法。更重要的是,我们演示了肽的长度之间的关系,修改网站的识别。可以显示在图的步骤1。我们将在以下部分介绍这样的工作一步一步(http://121.250.173.184/)。

2。材料和方法

2.1。数据集

所有使用蛋白质序列来自UniProt数据库(http://www.uniprot.org/),它包含576 lipoylated蛋白质序列。同时,应考虑序列相似性强。因此,应该提出一些必要的减少冗余处理这个问题。这些采用蛋白质序列的相似性高于40%,应该删除的工具CD-HIT程序(58,59]。有了这个队伍,我们实现nonredundant样本集,其中包括44名lipoylated蛋白覆盖52 lipoylation网站和1035 nonmodification赖氨酸网站。为了减少一些无用的蛋白质片段,我们利用滑动窗口覆盖每一个赖氨酸残基在蛋白质序列。指出,滑动窗口的规模应该讨论这个工作,我们想要找到滑动窗口尺度之间的关系和分类性能。与此同时,一些空白的氨基酸可能出现在滑动窗口的位置。为了解决这种现象,氨基酸代表空白样品中氨基酸位置肽段。

2.2。功能建设

的第一个特色集PSSM信息识别的蛋白质样品。的发展处理生物序列生物信息学领域的一个最重要的和具有挑战性的问题在这一领域是用不同的方法表达生物序列的方法,包括离散方法和矢量方法。然而,这些方法可能会让一些相当大的序列信息和关键模式属性。指出,向量方法仅仅保留一些基本信息和失去一些序列模式的蛋白质水平。为了避免失去这些信息,伪氨基酸组成(60,61年]或PseAAC [62年)是用于这项工作。这样一个模型已广泛应用于生物领域的序列,包括蛋白质水平、DNA和RNA水平,队伍(63年- - - - - -66年]。“Pse-in-One”(67年)和它的升级版“Pse-in-One2.0”[68年)可以被视为在这个地区最强大的工具(68年,69年]。

第二个是BPB特性集,这是一种小说类型的编码方法(70年]。当涉及到BPB,这种特性取决于贝叶斯的理论。一个示例是,这意味着肽段,包含长度之间的氨基酸残基。确认样品可以分为两种类型,包括正面的类型和负面的评价。在这里,我们定义积极的类型和消极的类型 。在细节,C_p意味着中心赖氨酸残留有lipoylation鉴定肽段和修改代表中心赖氨酸残基的事实不能修改的lipoylation分类肽段。贝叶斯法则的,假设n氨基酸残基是相互独立的;的后验概率的肽可以表现为两种类型 然后,我们可以重新定义上面提到的 我们假设均匀分布的先验分布可以遵循。因此,负样本的概率和积极的的概率是相等的。决策函数中可以证明 根据邵的方法,(5)可以重新定义

2.3。灵活的神经树

灵活的神经树,它可以被视为一种特殊的替代树结构的神经网络,提出了陈(71年,72年]。拥有能力的模型构造的神经网络树结构。这种类型的神经网络已被广泛用于机器学习领域的一些分类问题。这种算法的主要步骤可以在以下部分。

最初,利用指令集生成中的基本元素FNT模型中可以证明 指令集包含两个子集,包括操作集和变量。操作设置包括几个操作游行和变量集包括几个值。同时,我们可以发现操作设置主要可以利用nonleaf节点和变量设置主要在树上的叶子节点可以利用神经网络结构。换句话说,变量设置可视为他们的神经节点的输入和操作集可以被视为神经节点在这个模型。然后,采用灵活的激活函数描述 接下来,每个神经的输出节点可以用递归的方法计算。为每个操作设置元素+我,总可以计算励磁

在哪里 输入节点+吗我。节点的输出+我然后计算

2.4。性能度量

当涉及到模型的表演,一些著名的方法应该列出。在这个工作中,一些典型的测量,包括敏感性、特异性、准确性,F1的分数,马修的相关系数(MCC) [73年,74年修改网站的识别问题,应该列出。同时,AUC [75年)也应该用来测试性能的不平衡分类问题,负样本规模远远大于积极的。

在这个分类问题,样品可以定义为两种类型,包括正样本和负样本。根据分类样本的定义,他们会导致四个结果中常见的情况。如果修改样本分类的修改,这个结果可以命名为TP,代表真阳性。如果修改样本分为nonmodification,这个结果可以命名为《外交政策》,这代表假阳性。这个概念,nonmodificiation样本分类修改一个是TN并与分类nonmodification是nonmodification样本FN。根据的数量TP,TN,《外交政策》,和FN我们可以很容易地获取这些配方,包括敏感性、特异性、准确性,F1分数,世纪挑战集团。所示的详细信息 在哪里意味着积极的样品和数量意味着负样本的数量。

3所示。结果和比较

3.1。LipoTree的性能

在本节中,我们想找出可用的滑动窗口长度在每一个样本。同时,雇佣几个长度,范围从3 - 29日,中心网站的赖氨酸残基被指出。因此,每个样本的半径可以选择从1到14。每个长度的ROC曲线显示在图2。

从图2长度,我们发现14使用此类药物的分类类型中发挥不同的作用。同时,这样的分类问题可以被视为一个典型的机器学习领域的不平衡分类问题。考虑到这种情况,中华民国(接受者操作特征)曲线可以被称为一个合理的度量来处理这样的问题。指出,虽然长度等于23,AUC值,ROC曲线下的面积,可以达到最高的价值。所以,我们可以得到的结论是,这样一个长度可视为最可在这些工作长度的方法FNT PSSM的特点和摄影领域的组合。

为了证明这种算法的性能,一些典型的特性描述曾与这样一个算法和几种art-of-the-state方法也与这种算法在这个领域。

从表1,我们可以很容易地发现几种典型特征描述方法,包括二进制编码、氨基酸组成、分组氨基酸组成、物理化学性质、资讯功能,结构,次要趋势Bi-gram [76年],Tri-gram [77年),曾与算法相比在这项工作。从表1,我们可以表演,该方法可以达到81.07%的锡、sp的80.29%,80.68%在Acc, 0.8076在F1,分别在MCC和0.6136。同时,我们可以得到的结论是,这些典型的和古典特性分类问题中扮演不同的角色。然而,这些特性很难克服这个分类的敏感性和专业之间的距离问题。

从表2,我们可以得到几种art-of-the-state方法的信息,包括DNABIND、DNAbinder, DBD-Threader, DBPPred,和其他方法在这一领域,相比之下,该算法。的比较,我们可以得到的结果BRABSB可以得到最高的灵敏度和性能Phosida可以在特异性玩最可用的结果。指出,该算法能得到最理想的表现,而长度等于23。

4所示。结论和讨论

在这项研究中,一种新的预测名叫LipoFNT开发预测赖氨酸lipoylation网站的元素bi-profile贝叶斯特征编码和灵活的神经树算法。就我们而言,这是第一次灵活神经树一直在利用lipoylation样本的分类和nonlipoylation样本。实验结果和表演表明LipoFNT取得一个优秀的性能和可能是一个有用的生物信息学算法准确识别lipoylation网站。

从上面的研究,我们可以发现有三个候选人长度在这项工作中的所有工作长度。前三的长度是19日,23岁,25岁。在本节中,我们将讨论前三的表演长度。和一些art-of-the-state方法和特性可以比较在这工作。和详细信息如表所示S1- - - - - -S6。结果表明,可以计算每个样本的f值BPB特性(78年,79年),可以在表中3。候选人的长度,我们可以发现大多数可用的长度是23。在这个长度,该方法可以实现良好表现。

与此同时,一些重要的元素lipoylated赖氨酸网站识别应考虑。首先,合理有效的特性应该发现并描述了在这个分类问题。样品的特性主要有重要影响估值。第二步是速度和准确的分类模型。分类模型可能有能力克服一些缺点和限制的特性。换句话说,构建分类模型可以减少一些多余的和无用的功能和更有效地利用分类模型的一些关键特性。最后但并非最不重要的一步是可用的样本长度的选择。可用的长度可以减少一些无用的功能和low-useful邻居氨基酸残基的影响。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

保Wenzheng构思方法。荣包设计的方法。Yuehui陈进行了实验,Wenzheng包主要写的手稿文本,和杨本设计网站的算法。所有作者回顾了手稿。

确认

这项工作是由美国国家科学基金会的拨款支持中国,61873270和61702445号,格兰特博士项目基金会中国教育部(20120072110040)。

补充材料

补充材料包括表S1 S6和数字S1 S14系列。(补充材料)

引用

1. m·g·波斯纳阿帕德海耶,s . j . Crennell et al .,“翻译修饰古生菌:lipoylation工艺等结构特征复杂,“生物化学杂志,卷449,不。2、415 - 425年,2013页。视图:出版商的网站|谷歌学术搜索
2. j·柯林斯,t, s . w .哦,r·马洛尼和j .傅”与增强的活动和稳定性DNA-crowded酶复合体”,化学通讯,53卷,不。97年,第13062 - 13059页,2017年。视图:出版商的网站|谷歌学术搜索
3. t . Tietjen和r·g·吉姆”细胞外enzyme-clay矿物复合物:酶吸附,酶活性的改变,从光降解和保护,”水生生态系统,37卷,不。4、331 - 339年,2003页。视图:出版商的网站|谷歌学术搜索
4. t·e·麦卡利斯特T.-L。叶,麻省理工学院Abboud et al .,“非竞争性循环针对es复合物肽,”化学科学,9卷,不。20日,第4578 - 4569页,2018年。视图:出版商的网站|谷歌学术搜索
5. l . j .里德“硫辛酸饲料复合物,”蛋白质科学蛋白质协会的出版物,7卷,不。1,第224 - 220页,1998。视图:出版商的网站|谷歌学术搜索
6. n g·沃利斯和r . n . Perham“结构性依赖翻译修饰和还原乙酰化lipoyl域的丙酮酸脱氢酶多酶的复杂,“分子生物学杂志,卷236,不。1,第216 - 209页,1994。视图:出版商的网站|谷歌学术搜索
7. l . j .芦苇”,研究从硫辛酸的踪迹α酮酸脱氢酶复合体”,《生物化学》杂志上,卷276,不。42岁,38329 - 38336年,2001页。视图:出版商的网站|谷歌学术搜索
8. 江赵j . e . Cronan x, y,”功能,附件和合成硫辛酸在大肠杆菌中,“微生物生理学的发展,50卷,第146 - 103页,2005年。视图:出版商的网站|谷歌学术搜索
9. m·d·斯伯丁和s . t . Prigge硫辛酸代谢微生物病原体,”微生物学和分子生物学的评论,卷74,不。2、200 - 228年,2010页。视图:出版商的网站|谷歌学术搜索
10. e·a·罗兰c·k·斯诺登,i m . Cristea”蛋白质lipoylation:健康和疾病的进化保存代谢调节剂,”当前化学生物学的观点,42卷,第85 - 76页,2018年。视图:出版商的网站|谷歌学术搜索
11. c . b . Pocernich d·a·巴特菲尔德,“丙烯醛抑制NADH-linked线粒体酶活性:影响阿尔茨海默氏症,”神经毒性的研究,5卷,不。7,515 - 519年,2003页。视图:出版商的网站|谷歌学术搜索
12. j·芒格,s Bajad, h·a·科勒t·申克和j·d·Rabinowitz”动力学在人类巨细胞病毒感染细胞的代谢物,”PLoS病原体,卷2,不。12日,第1175 - 1165页,2006年。视图:谷歌学术搜索
13. m·c·瑟顿“PDC删除:要抓住一个男人的心脏病,”美国Physiology-Heart和循环生理学杂志》上,卷295,不。3,H917-H919, 2008页。视图:出版商的网站|谷歌学术搜索
14. 崔黄g f, f . Yu et al .,“Sirtuin-4 (SIRT4)表达下调与胃腺癌临床病理的一些特性有关,”生物医学和药物治疗卷,72年,第139 - 135页,2015年。视图:出版商的网站|谷歌学术搜索
15. m . Miyo h .山本m . Konno et al .,“Tumour-suppressive SIRT4人类结肠直肠癌的函数”,英国癌症杂志》,卷113,不。3、492 - 499年,2015页。视图:出版商的网站|谷歌学术搜索
16. c . s .蔡m . w . Burgett, l·j·里德。”α酮酸脱氢酶复合体XX。丙酮酸脱氢酶复合体的动态研究牛肾”《生物化学》杂志上,卷248,不。24日,第8352 - 8348页,1973年。视图:谷歌学术搜索
17. z h .周d·b·麦卡锡c·m·奥康纳l . j·里德和j . k . Stoops“卓越的真核丙酮酸脱氢酶复合物的结构和功能的组织,”美国国家科学与美利坚合众国,卷98,不。26日,第14807 - 14802页,2001年。视图:出版商的网站|谷歌学术搜索
18. r . n . Perham”摆动手臂和摆动在多功能酶域:催化机对多步反应,”年度回顾生物化学卷,69年,第1004 - 961页,2000年。视图:出版商的网站|谷歌学术搜索
19. r·a·马赛厄斯·t·m·格列柯,a Oberstein et al .,“Sirtuin蛋白4是一个lipoamidase调节丙酮酸脱氢酶复杂的活动,“细胞,卷159,不。7,1615 - 1625年,2014页。视图:出版商的网站|谷歌学术搜索
20. e·a·罗兰·t·m·格列柯,c·k·斯诺登a·l·麦凯布t . j . Silhavy和i m . Cristea”Sirtuin lipoamidase活动是守恒的细菌代谢酶复合物的监管机构,”mBio,8卷,不。5,2017。视图:谷歌学术搜索
21. m·A·安萨里,h·m·阿卜杜勒·g . Joshi w . o . Opii d·A·巴特菲尔德:“槲皮素在初级神经元的保护作用β(1-42):与阿尔茨海默氏症的相关性。”《营养生物化学杂志》上,20卷,不。4、269 - 275年,2009页。视图:出版商的网站|谷歌学术搜索
22. W.-R。秋肖x Z.-C。徐,K.-C。周,“iPhos-PseEn:识别蛋白质的磷酸化网站通过融合不同的伪组件到一个分类器,”Oncotarget,7卷,不。32岁,51270 - 51283年,2016页。视图:谷歌学术搜索
23. W.-R。秋,B.-Q。太阳,x, d .徐,K.-C。周,“iPhos-PseEvo:识别人类磷酸化蛋白质将进化信息纳入通用PseAAC通过灰色系统理论”分子信息学36卷,2017年。视图:出版商的网站|谷歌学术搜索
24. y . d .汗n . Rasool w·侯赛因,s . a .汗和K.-C。周,”iPhosT-PseAAC:确定phosphothreonine网站通过合并序列统计时刻PseAAC,”分析生物化学卷,550年,第116 - 109页,2018年。视图:出版商的网站|谷歌学术搜索
25. y, j .丁l . y .吴和k . c .周”iSNO-PseAAC:预测半胱氨酸S-nitrosylation网站在蛋白质通过加入位置特定氨基酸倾向成伪氨基酸组成,”《公共科学图书馆•综合》,8卷,不。2篇文章ID e55844 2013。视图:出版商的网站|谷歌学术搜索
26. y徐,X.-J。邵,L.-Y。吴,纽约。邓,K.-C。周,“ISNO-AAPair:将氨基酸成对耦合纳入PseAAC预测半胱氨酸S-nitrosylation网站蛋白质,”PeerJ卷,1篇文章e171, 2013。视图:谷歌学术搜索
27. c·贾、林x和z . Wang”预测的蛋白质S-nitrosylation网站基于正态分布适应bi-profile贝叶斯和周的伪氨基酸组成,”国际分子科学杂志》上,15卷,不。6,10410 - 10423年,2014页。视图:出版商的网站|谷歌学术搜索
28. j .张x赵、p .太阳和z,“PSNO:预测半胱氨酸S-nitrosylation网站通过加入各种sequence-derived特性的一般形式周PseAAC,”国际分子科学杂志》上,15卷,不。7,11204 - 11219年,2014页。视图:出版商的网站|谷歌学术搜索
29. j .贾x, z . Liu b . Liu和K.-C。周,“iSuc-PseOpt:识别蛋白质的赖氨酸succinylation网站将sequence-coupling效果纳入伪组件和优化不平衡训练数据集,“分析生物化学卷。497年,48-56,2016页。视图:出版商的网站|谷歌学术搜索
30. j .贾x, z . Liu b . Liu和K.-C。周,“pSuc-Lys:预测蛋白质的赖氨酸succinylation网站PseAAC和合奏随机森林方法,”理论生物学杂志》上卷,394年,第230 - 223页,2016年。视图:出版商的网站|谷歌学术搜索
31. 温家宝总理就x y徐X.-J。邵,纽约。邓,K.-C。周,“iHyd-PseAAC:预测羟脯氨酸和羟赖氨酸蛋白通过合并二肽position-specific倾向成伪氨基酸组成,”国际分子科学杂志》上,15卷,不。5,7594 - 7610年,2014页。视图:出版商的网站|谷歌学术搜索
32. W.-R。秋,B.-Q。阳光、肖x Z.-C。徐,K.-C。周,”IHyd-PseCp:确定羟脯氨酸和羟赖氨酸蛋白通过合并到一般PseAAC sequence-coupled影响,”Oncotarget,7卷,不。28日,第44321 - 44310页,2016年。视图:出版商的网站|谷歌学术搜索
33. W.-R。秋,B.-Q。阳光、肖x Z.-C。徐,黄永发。贾,K.-C。周”,iKcr-PseEns:确定组蛋白赖氨酸crotonylation网站与伪组件和系综分类器,”基因组学,卷110,不。5,239 - 246年,2018页。视图:出版商的网站|谷歌学术搜索
34. z榉和j j。他,“预测赖氨酸crotonylation网站通过合并k行距的氨基酸的组成双周的PseAAC将军”杂志分子图形和造型卷,77年,第204 - 200页,2017年。视图:出版商的网站|谷歌学术搜索
35. l . j .贾张肖x, z . Liu K.-C。周,“pSumo-CD:预测sumoylation网站在蛋白质与协方差判别算法通过合并到一般PseAAC sequence-coupled影响,”生物信息学,32卷,不。20日,第3141 - 3133页,2016年。视图:出版商的网站|谷歌学术搜索
36. H.-L。谢,l .傅,X.-D。聂,“使用合奏SVM识别人类GPCRs N-linked糖基化网站基于一般形式的周PseAAC,”蛋白质工程、设计和选择,26卷,不。11日,第742 - 735页,2013年。视图:出版商的网站|谷歌学术搜索
37. w·r·邱x, w z林和k . c .周”iUbiq-Lys:预测蛋白质的赖氨酸泛素化网站通过灰色系统模型,提取序列进化信息”生物分子结构动力学杂志》上,33卷,不。12日,2015年。视图:谷歌学术搜索
38. c·李,y, z . Wang K.-C。周,”IPreny-PseAAC:识别c端半胱氨酸prenylation网站蛋白质通过合并两层的顺序耦合到pseaac,”药物化学,13卷,不。6,544 - 551年,2017页。视图:出版商的网站|谷歌学术搜索
39. j .贾x, z . Liu b . Liu和K.-C。周”,iCar-PseCp:识别蛋白质羰基化网站的蒙特卡罗采样和将顺序耦合的影响纳入PseAAC将军”Oncotarget,7卷,不。23日,第34570 - 34558页,2016年。视图:谷歌学术搜索
40. W.-R。秋肖x W.-Z。林,K.-C。周,“iMethyl-PseAAC:识别的蛋白质甲基化网站通过一个伪氨基酸组成的方法,”生物医学研究的国际文章ID 947416卷,2014年,12页,2014。视图:谷歌学术搜索
41. w·陈,p, h .叮,h·林,K.-C。周,“iRNA-Methyl:确定N (6) -methyladenosine网站使用伪核苷酸组成,”分析生物化学卷。490年,26-33,2015页。视图:出版商的网站|谷歌学术搜索
42. j·w·陈,h . Tang, h·林,K.-C。周,“iRNA-PseU:识别RNA假网站,“——核酸分子治疗p . e332卷。5日,2016年。视图:谷歌学术搜索
43. 肖x, z . Liu D.-J。Yu j .贾W.-R。秋和K.-C。周,“pRNAm-PC:预测RNA序列N 6 -methyladenosine网站通过理化性质,“分析生物化学卷。497年,60 - 67、2016页。视图:出版商的网站|谷歌学术搜索
44. W.-R。秋,S.-Y。江,B.-Q。太阳,x, x,和K.-C。周,“iRNA-2methyl:确定RNA 2 -O-methylation网站通过合并sequence-coupled影响到一般PseKNC和系综分类器,”药物化学,13卷,不。8,734 - 743年,2017页。视图:谷歌学术搜索
45. W.-R。秋,S.-Y。江,Z.-C。徐、肖x和K.-C。周,“iRNAm5C-PseDNC:识别RNA 5-methylcytosine网站通过将理化指标纳入伪二核苷酸组成,”Oncotarget,8卷,不。25日,第41188 - 41178页,2017年。视图:谷歌学术搜索
46. a Szilagyi j .量,有效地预测核酸绑定函数从低分辨率的蛋白质结构,”分子生物学杂志,卷358,不。3、922 - 933年,2006页。视图:出版商的网站|谷歌学术搜索
47. k·k·库马尔,g . Pugalenthi和p . n . Suganthan”DNA-prot:识别DNA结合蛋白质使用随机森林,从蛋白质序列信息”生物分子结构和动力学杂志》上,26卷,不。6,679 - 686年,2009页。视图:出版商的网站|谷歌学术搜索
48. 林w z, j . a方x,和k . c .周”iDNA-Prot:识别DNA结合蛋白质使用灰色模型的随机森林,”《公共科学图书馆•综合》》第六卷,文章ID e24756, 2011。视图:谷歌学术搜索
49. 李d, l .歌曲,曾x, y, l .郭问:邹,“nDNA-prot:识别dna结合蛋白质不平衡分类的基础上,“BMC生物信息学,15卷,不。1,第298条,2014。视图:出版商的网站|谷歌学术搜索
50. S.-P。施,j。秋,X.-Y。太阳,S.-B。缩,S.-Y。黄,R.-P。梁,“PLMLA:预测赖氨酸甲基化和赖氨酸乙酰化作用通过结合多个特性,”分子生物系统,8卷,不。5,1520 - 1527年,2012页。视图:出版商的网站|谷歌学术搜索
51. f . Gnad任,c . Choudhary j·考克斯和m .马提亚,“使用支持向量机预测翻译后赖氨酸乙酰化作用,”生物信息学,26卷,不。13日,1666 - 1668年,2010页。视图:出版商的网站|谷歌学术搜索
52. l .针对l, l . Mingfa Yu, x,和l .宜“改进的赖氨酸乙酰化的支持向量机预测,“蛋白质和多肽的信件,2009年16卷。视图:谷歌学术搜索
53. y徐,X.-B。王,j .叮,L.-Y。吴和他。邓,赖氨酸乙酰化网站预测使用支持向量机分类器的一个整体,”理论生物学杂志》上,卷264,不。1,第135 - 130页,2010。视图:出版商的网站|谷歌学术搜索
54. 锁s . j .秋施s . et al .,“Position-specific分析和预测蛋白赖氨酸乙酰化多个特性的基础上,“《公共科学图书馆•综合》,7卷,不。11日文章ID e49108, 2012。视图:出版商的网站|谷歌学术搜索
55. j .邵d, l .胡锦涛et al。”系统分析人类的赖氨酸乙酰化蛋白质和准确预测人类的赖氨酸乙酰化作用通过bi-relative适应二项得分贝叶斯特征表示,“分子生物系统,8卷,不。11日,第2973 - 2964页,2012年。视图:出版商的网站|谷歌学术搜索
56. h . m . y . Li Wang Wang et al .,“准确的特有的乙酰化网站通过集成在计算机识别蛋白质sequence-derived和功能特性,”科学报告,4卷,不。1,文章ID 5765, 2015。视图:出版商的网站|谷歌学术搜索
57. n . v .拉k·w·鲍耶l . o .大厅,和w·p·Kegelmeyer“击杀:少数over-sampling合成技术,”人工智能研究杂志》上》16卷,第357 - 321页,2002年。视图:出版商的网站|谷歌学术搜索
58. w·李和a . Godzik“Cd-hit:快速聚类和大组蛋白质和核苷酸序列相比,“生物信息学,22卷,不。13日,1658 - 1659年,2006页。视图:出版商的网站|谷歌学术搜索
59. y, b .牛y高,l .傅和w·李,“CD-HIT套件:web服务器集群和生物序列相比,“生物信息学,26卷,不。5篇文章ID btq003 680 - 682年,2010页。视图:出版商的网站|谷歌学术搜索
60. k .周”,药物化学生物信息学的影响”,药物化学,11卷,不。3、218 - 234年,2015页。视图:出版商的网站|谷歌学术搜索
61. k .周”,预测蛋白质的细胞属性使用pseudo-amino酸成分,”蛋白质:结构、功能和生物信息学,43卷,不。3、246 - 255年,2010页。视图:谷歌学术搜索
62. K.-C。周”,利用两亲性伪氨基酸组成预测酶亚类,“生物信息学,21卷,不。1,10 - 19,2005页。视图:出版商的网站|谷歌学术搜索
63. 美国Muthu Krishnan,”周使用的一般PseAAC分析受体相关蛋白的进化关系(RAP)与各种蛋白质的折叠模式域,“理论生物学杂志》上卷,445年,第74 - 62页,2018年。视图:出版商的网站|谷歌学术搜索
64. y梁和美国张识别革兰氏阴性细菌分泌蛋白类型将不同模式的PSSM纳入周的一般通过Kullback-Leibler PseAAC分歧,”理论生物学杂志》上卷,454年11月,2018页。视图:出版商的网站|谷歌学术搜索
65. j·梅和j .赵”周突触前和突触后神经毒素的分析和预测的一般伪氨基酸组成和主题特征,“理论生物学杂志》上卷,447年,第153 - 147页,2018年。视图:出版商的网站|谷歌学术搜索
66. m . s .拉赫曼s Shatabda萨哈,m . Kaykobad和m . s .拉赫曼,“DPP-PseAAC: dna结合蛋白质预测模型使用周PseAAC将军”理论生物学杂志》上卷。452年,22-34,2018页。视图:出版商的网站|谷歌学术搜索
67. j . f . b . Liu, x Wang Chen l .方和K.-C。周,“Pse-in-One: web服务器生成各种伪模式组件的DNA, RNA和蛋白质序列,”核酸的研究,43卷,不。1,W65-W71, 2015页。视图:出版商的网站|谷歌学术搜索
68. 吴h . b . Liu, k .周”Pse-in-One 2.0:一种改进方案,生成各种伪模式组件的web服务器的DNA, RNA和蛋白质序列,”自然科学9卷,第91 - 67页,2017年。视图:出版商的网站|谷歌学术搜索
69. K.-C。周,“前所未有的革命药用化学生物科学的进步推动下,“当前药物化学的主题,17卷,不。21日,第2358 - 2337页,2017年。视图:谷歌学术搜索
70. j .邵d .徐S.-N。蔡,y王,S.-M。Ngai,”计算蛋白质甲基化位点的识别通过Bi-profile贝叶斯特征提取,”《公共科学图书馆•综合》,4卷,不。3,2009。视图:谷歌学术搜索
71. b . Wenzheng c Yuehui, w .盾”预测蛋白质结构类与灵活的神经树,”生物医学材料与工程,24卷,不。6,3797 - 3806年,2014页。视图:出版商的网站|谷歌学术搜索
72. w·鲍,d . Wang和y . Chen”蛋白质结构分类课程灵活中性树,”IEEE计算生物学和生物信息学,14卷,不。5,1122 - 1133年,2017页。视图:出版商的网站|谷歌学术搜索
73. w·保z黄,C.-A。元,D.-S。黄,“Pupylation网站与系综分类模型预测,”国际期刊的数据挖掘和生物信息学,18卷,不。2、91 - 104年,2017页。视图:出版商的网站|谷歌学术搜索
74. w·鲍Z.-H。你,D.-S。黄,“CIPPN:计算识别的蛋白质pupylation网站通过使用神经网络,”Oncotarget,8卷,不。65年,第108879 - 108867页,2017年。视图:谷歌学术搜索
75. w·鲍b·杨和周y, z . Li”LAIPT:赖氨酸乙酰化网站认同多项式树,”国际分子科学杂志》上第113条,卷。20日,2018年。视图:谷歌学术搜索
76. 沙玛,j·里昂,A . Dehzangi和k . k . Paliwal”特征提取技术使用bi-gram位置具体评分矩阵的概率对蛋白质折叠识别,”理论生物学杂志》上卷。320年,41-46,2013页。视图:出版商的网站|谷歌学术搜索|MathSciNet
77. 里昂j . k . k . Paliwal A·沙玛,和A . Dehzangi”基于tri-gram特征提取技术使用的线性概率位置具体得分矩阵对蛋白质折叠识别,”IEEE生物科学,13卷,不。1,44-50,2014页。视图:出版商的网站|谷歌学术搜索
78. z榉和S.-Y。王”,预测赖氨酸lipoylation网站使用bi-profile贝叶斯特征提取和模糊支持向量机算法,”分析生物化学卷,561 - 562年17岁,2018页。视图:出版商的网站|谷歌学术搜索
79. z榉和j j。他,“预测赖氨酸propionylation网站使用带有偏见的SVM和将四个不同的序列特征纳入周PseAAC,”杂志分子图形和造型卷,76年,第363 - 356页,2017年。视图:出版商的网站|谷歌学术搜索

版权

版权©2019 Wenzheng包等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。