期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
iKcr-RG:基于ResNet和BiGRU的双分支策略预测非组蛋白质赖氨酸酰化位点
1
作者 程航 段燕北 魏欣 《中国生物化学与分子生物学报》 北大核心 2025年第2期305-314,共10页
赖氨酸酰化是一种蛋白质翻译后修饰方式,这种修饰在细胞功能、基因转录以及细胞代谢中发挥着关键作用。同时,赖氨酸酰化还涉及生命体多个生物学过程,其异常可能与多种疾病的发生和发展相关。因此,研究赖氨酸酰化位点的预测对于疾病的诊... 赖氨酸酰化是一种蛋白质翻译后修饰方式,这种修饰在细胞功能、基因转录以及细胞代谢中发挥着关键作用。同时,赖氨酸酰化还涉及生命体多个生物学过程,其异常可能与多种疾病的发生和发展相关。因此,研究赖氨酸酰化位点的预测对于疾病的诊断和治疗具有重要意义。尽管生物医学实验可以高精度地检测赖氨酸酰化位点,但其成本高且耗时较长。为了解决这一问题,研究人员开发了更为便捷和高效的计算方法,以替代传统的生物医学实验技术。本研究开发了一个深度学习方法的预测模型iKcr-RG,该模型采用了双分支策略,同时使用ResNet和BiGRU来提取原始序列编码中的局部特征和全局特征信息。为了进一步提升模型的性能,我们创新性地设计了一种特征融合方法。经过这些优化,本研究在非平衡数据中展现出了更强的鲁棒性和稳定性。在独立数据集的结果中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)分别为0.8109、0.7902、0.7940和0.4978。iKcr-RG模型在预测赖氨酸酰化位点优于现有方法,这项研究为深度学习在生物信息学领域的应用提供了新的思路和方法。 展开更多
关键词 蛋白质翻译后修饰 赖氨酸酰化位点 深度学习 特征提取 特征融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部