检索结果-维普期刊中文期刊服务平台

iRSC-PseAAC:基于有效降维算法LDA预测蛋白质中的氧化还原敏感半胱氨酸位点: 1; 作者魏欣刘春生 +3 位作者吕哲林刚胡思亲贾建华《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2024年第7期1009-1016,共8页; 氧化还原敏感半胱氨酸(RSC)硫醇参与了许多生物过程,并发挥着重要作用。因此,有必要对氧化还原敏感半胱氨酸进行准确鉴定。然而,传统的氧化还原敏感半胱氨酸鉴定非常昂贵且耗时。目前,迫切需要一种数学计算方法来识别序列信息,快速准确... 展开更多; 关键词氧化还原敏感半胱氨酸特征提取词嵌入线性判别分析机器学习; 在线阅读下载PDF 职称材料

iSucc-PseAAC:基于集成机器学习的赖氨酸琥珀酰化修饰位点预测被引量：2: 2; 作者魏欣贾建华 +1 位作者吴跟强刘春生《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2022年第6期816-822,共7页; 赖氨酸琥珀酰化是一种新型的翻译后修饰,在蛋白质调节和细胞功能控制中发挥重要作用,所以准确识别蛋白质中的琥珀酰化位点是有必要的。传统的实验耗费物力和财力。通过计算方法预测是近段时间以来提出的一种高效的预测方法。本研究中,... 展开更多; 关键词琥珀酰化特征提取集成学习机器学习; 在线阅读下载PDF 职称材料

iSulf_wide-PseAAC:基于集成支持向量机的蛋白质S-亚磺酰化预测方法被引量：2: 3; 作者贾建华魏欣《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2021年第6期822-829,共8页; 蛋白质S-亚磺酰化是可逆的蛋白质翻译后修饰(post-translational modifications,PTMs),在生物生长中发挥至关重要的作用。同时,它与一些疾病相关。因此,无论是从基础研究还是药物开发的角度,都面临着一个具有挑战性的问题:哪些是属于S-... 展开更多; 关键词亚磺酰化集成学习支持向量机; 在线阅读下载PDF 职称材料

m^(6)AmTwins:基于深度学习和Twins网络的m^(6)A_(m)位点预测: 4; 作者贾建华陈天 +1 位作者吴跟强孙明炜《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2023年第6期889-895,共7页; N6,2′-O-二甲基腺苷(m^(6)Am)是一种常见的RNA分子的可逆修饰。部分研究已经说明m^(6)Am对mRNA的影响,但现阶段对m^(6)Am的生物学功能探索仍不够。所以我们提出了m^(6)AmTwins,一种新的端到端双胞胎网络,将Transformer(自动编码器)和... 展开更多; 关键词 N6 2′-O-二甲基腺苷特征提取深度学习双胞胎网络; 在线阅读下载PDF 职称材料

题名iRSC-PseAAC:基于有效降维算法LDA预测蛋白质中的氧化还原敏感半胱氨酸位点: 1; 作者魏欣刘春生吕哲林刚胡思亲贾建华; 机构江西服装学院商学院数理统计教研室江西服装学院商学院智慧物流教研室江西服装学院大数据学院信息工程教研室江西服装学院大数据学院数据科学教研室景德镇陶瓷大学信息工程学院生物信息研究室; 出处《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2024年第7期1009-1016,共8页; 基金国家自然科学基金项目(No.61761023) 江西省自然科学基金项目(No.20202BABL202004) 江西省教育厅科研项目(No.GJJ212419,No.GJJ2202814,No.GJJ2202813)资助。; 文摘氧化还原敏感半胱氨酸(RSC)硫醇参与了许多生物过程,并发挥着重要作用。因此,有必要对氧化还原敏感半胱氨酸进行准确鉴定。然而,传统的氧化还原敏感半胱氨酸鉴定非常昂贵且耗时。目前,迫切需要一种数学计算方法来识别序列信息,快速准确地鉴定出氧化还原敏感半胱氨酸。在此,我们开发了一种名为iRSC-PseAAC的有效预测器,它采用降维算法LDA结合支持向量机来预测氧化还原敏感半胱氨酸位点。在交叉验证中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)的结果分别为0.841、0.868、0.859和0.692。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0.906、0.882、0.890和0.767。与现有的预测方法相比,iRSC-PseAAC具有明显的改进效果。本研究提出的方法还可用于计算蛋白质组学中的许多问题。; 关键词氧化还原敏感半胱氨酸特征提取词嵌入线性判别分析机器学习; Keywords redox-sensitive cysteine(RSC) feature extraction word embedding linear discriminant analysis machine learning; 分类号 Q754 [生物学—分子生物学]; 在线阅读下载PDF 职称材料

题名iSucc-PseAAC:基于集成机器学习的赖氨酸琥珀酰化修饰位点预测被引量：2: 2; 作者魏欣贾建华吴跟强刘春生; 机构江西服装学院商学院智慧物流教研室景德镇陶瓷大学信息工程学院生物信息研究室; 出处《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2022年第6期816-822,共7页; 基金国家自然科学基金项目(No.61761023) 江西省自然科学基金项目(No.20202BABL202004) 江西省教育厅科研项目(No.GJJ190695,No.GJJ212419)资助。; 文摘赖氨酸琥珀酰化是一种新型的翻译后修饰,在蛋白质调节和细胞功能控制中发挥重要作用,所以准确识别蛋白质中的琥珀酰化位点是有必要的。传统的实验耗费物力和财力。通过计算方法预测是近段时间以来提出的一种高效的预测方法。本研究中,我们开发了一种新的预测方法iSucc-PseAAC,它是通过使用多种分类算法结合不同的特征提取方法。最终发现,基于耦合序列(PseAAC)特征提取下,使用支持向量机分类效果是最好的,并结合集成学习解决了数据不平衡问题。与现有方法预测效果对比,iSucc-PseAAC在区分赖氨酸琥珀酰化位点方面,更具有意义和实用性。; 关键词琥珀酰化特征提取集成学习机器学习; Keywords succinylation feature extraction ensemble learning machine learning; 分类号 R318.04 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名iSulf_wide-PseAAC:基于集成支持向量机的蛋白质S-亚磺酰化预测方法被引量：2: 3; 作者贾建华魏欣; 机构景德镇陶瓷大学信息工程学院生物信息研究室; 出处《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2021年第6期822-829,共8页; 基金国家自然科学基金项目(No.61761023,No.31760315) 江西省自然科学基金项目(No.2020BABL202004,No.2020BAB202007) 江西省教育厅科研项目(No.GJJ190695)资助。; 文摘蛋白质S-亚磺酰化是可逆的蛋白质翻译后修饰(post-translational modifications,PTMs),在生物生长中发挥至关重要的作用。同时,它与一些疾病相关。因此,无论是从基础研究还是药物开发的角度,都面临着一个具有挑战性的问题:哪些是属于S-亚磺酰化位点?为了解决这个问题,本文开发了一种基于机器学习的预测方法。该系统主要步骤为:(1)将这些蛋白质组合成等长度的伪氨基酸;(2)使用下采样方法来平衡训练数据集;(3)通过集成方法建立一个综合的预测系统进行预测。最终,得到的独立测试集的准确率达到90.77%,其他各个指标对比现有方法提升效果明显,为生物信息学的发展提供了帮助。本文建立了一个友好的web服务器预测网站:http://www.jci-bioinfo.cn/iSulf_Wide-PseAAC,通过该网站不需要复杂的计算公式即可在线预测,它将为用户提供便利和进一步研究的指南。与此同时,本文中使用到的数学方法会解决类似相关领域的诸多其他问题。; 关键词亚磺酰化集成学习支持向量机; Keywords sulfonylation ensemble learning support vector machine; 分类号 R318.04 [医药卫生—生物医学工程] O629.73 [理学—有机化学]; 在线阅读下载PDF 职称材料

题名m^(6)AmTwins:基于深度学习和Twins网络的m^(6)A_(m)位点预测: 4; 作者贾建华陈天吴跟强孙明炜; 机构景德镇陶瓷大学信息工程学院生物信息研究室; 出处《中国生物化学与分子生物学报》 CAS CSCD 北大核心 2023年第6期889-895,共7页; 基金国家自然科学基金项目(No.61761023,31760315) 江西省自然科学基金项目(No.20202BABL202004,20202BAB202007) 江西省教育厅科研计划(No.GJJ190695,No.GJJ212419)资助。; 文摘 N6,2′-O-二甲基腺苷(m^(6)Am)是一种常见的RNA分子的可逆修饰。部分研究已经说明m^(6)Am对mRNA的影响,但现阶段对m^(6)Am的生物学功能探索仍不够。所以我们提出了m^(6)AmTwins,一种新的端到端双胞胎网络,将Transformer(自动编码器)和双向门控循环单元(Bi-GRU)有机结合,简单利用RNA序列得到RNA的检测性。相比于现有的算法,本文亮点在于利用对比学习,构建新的损失函数来训练m^(6)AmTwins模型,提高了模型的泛化能力。基于Twins网络和简单编码方案,在两组正负比为1∶10的非平衡数据集下,其独立测试集上均取得了较好的结果,马修斯相关系数(MCC)分别得到0.53和0.545。同时,为增强m^(6)AmTwins模型的鲁棒性(robustness),本文在训练集上还进行了10折交叉验证,其MCC结果分别为0.562和0.567,说明该模型具有良好的泛化能力,可为生物医学在m^(6)Am上的研究提供一定的价值。; 关键词 N6 2′-O-二甲基腺苷特征提取深度学习双胞胎网络; Keywords N6,2′-O-dimethyladenosine(m^(6)A_(m)) feature extraction deep learning Twins network; 分类号 R318.04 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	iRSC-PseAAC:基于有效降维算法LDA预测蛋白质中的氧化还原敏感半胱氨酸位点	魏欣刘春生吕哲林刚胡思亲贾建华	《中国生物化学与分子生物学报》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	iSucc-PseAAC:基于集成机器学习的赖氨酸琥珀酰化修饰位点预测	魏欣贾建华吴跟强刘春生	《中国生物化学与分子生物学报》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
3	iSulf_wide-PseAAC:基于集成支持向量机的蛋白质S-亚磺酰化预测方法	贾建华魏欣	《中国生物化学与分子生物学报》 CAS CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
4	m^(6)AmTwins:基于深度学习和Twins网络的m^(6)A_(m)位点预测	贾建华陈天吴跟强孙明炜	《中国生物化学与分子生物学报》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料