期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
DNA4mcEL:基于核苷酸信息特征计算分析与预测DNA N^4-甲基胞嘧啶位点
被引量：
2
1
作者
龚浩
樊永显
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2019年第6期633-647,共15页
N^4-甲基胞嘧啶(N^4-methylcytosine,4mC)是一种重要的表观遗传修饰,在DNA的修复、表达和复制中发挥重要作用。准确鉴定4mC位点有助于深入研究其生物学功能和机制,由于4mC位点的实验鉴定即耗时又昂贵,特别是考虑到基因序列的快速积累,...
N^4-甲基胞嘧啶(N^4-methylcytosine,4mC)是一种重要的表观遗传修饰,在DNA的修复、表达和复制中发挥重要作用。准确鉴定4mC位点有助于深入研究其生物学功能和机制,由于4mC位点的实验鉴定即耗时又昂贵,特别是考虑到基因序列的快速积累,迫切需要补充有效的计算方法。因此,提供一个快速、准确的4mC位点在线预测平台十分必要。目前,还未见对构建必要的预测模型所需的不同特征的机器学习(machine learning,ML)方法进行全面的分析和评估。我们构建多组特征集,并且采用5种ML方法 (如随机森林,支持向量机,集成学习等),提出一种称为'DNA4mcEL'的预测方法。在随机10折交叉验证测试下与现有的预测器相比,DNA4mcEL预测C. elegans、D. melanogaster、A. thaliana、E. coli、G. subterraneus、G. pickeringii 6个物种的精度均有提高。基于本方法的预测器DNA4mcEL在这项任务中显著优于现有的预测器。我们希望通过这个综合调查和建立更准确模型的策略,可以作为激发N^4-甲基胞嘧啶预测计算方法未来发展的有用指南,加快新N^4-甲基胞嘧啶的发现。DNA4mcEL的独立版本可以从https://github.com/kukuky00/DNA4mcEL.git免费获得。
展开更多
关键词
N^4-甲基胞嘧啶
机器学习
集成学习
DNA
N^4-甲基胞嘧啶机器学习
在线阅读
下载PDF
职称材料
KELMPSP:基于核极限学习机的假尿苷修饰位点识别
被引量：
2
2
作者
李永贞
樊永显
杨辉华
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2018年第7期785-793,共9页
假尿苷(ψ)是RNA序列中的一种化学修饰,其在基因转录过程中,由酶的催化作用而形成。它是目前所发现为数最多的一种RNA修饰,并且在正常行使生物学功能方面扮演着重要角色。因此,假尿苷修饰位点的识别是一个非常重要的研究领域。随着RNA...
假尿苷(ψ)是RNA序列中的一种化学修饰,其在基因转录过程中,由酶的催化作用而形成。它是目前所发现为数最多的一种RNA修饰,并且在正常行使生物学功能方面扮演着重要角色。因此,假尿苷修饰位点的识别是一个非常重要的研究领域。随着RNA序列数据的急速增长,基于机器学习识别假尿苷位点的方法相继提出,但其识别精度有待提高。因此,本文提出了一个新的融合核苷酸化学性质、核苷酸浓度和位置特异性的单核苷酸、双核苷酸、三核苷酸偏好特征的序列编码方式,并基于此编码方式和核极限学习机(Kernel Extreme Learning Machine,KELM)算法,构建了一个新的假尿苷位点预测器,该预测器被称为"KELMPSP"。通过Jackknife测试和独立数据集测试表明,KELMPSP明显优于现有的假尿苷位点预测器。KELMPSP可以通过网站:http://39.105.77.161:8890/KELMPSP进行使用。
展开更多
关键词
假尿苷
RNA
识别
核极限学习机
在线阅读
下载PDF
职称材料
题名
DNA4mcEL:基于核苷酸信息特征计算分析与预测DNA N^4-甲基胞嘧啶位点
被引量：
2
1
作者
龚浩
樊永显
机构
桂林电子科技大学计算机与信息安全学院人工智能研究室
出处
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2019年第6期633-647,共15页
基金
国家自然科学基金项目(No.61762026,No.61462018)
广西自然科学基金(No.2017GXNSFAA198278)
+2 种基金
桂林电子科技大学研究生教育创新计划资助项目(No.2018YJCX47)
广西可信软件重点实验室(No.kx201403)
广西高校计算机图像与图形智能处理重点实验室(No.GIIP201502)资助~~
文摘
N^4-甲基胞嘧啶(N^4-methylcytosine,4mC)是一种重要的表观遗传修饰,在DNA的修复、表达和复制中发挥重要作用。准确鉴定4mC位点有助于深入研究其生物学功能和机制,由于4mC位点的实验鉴定即耗时又昂贵,特别是考虑到基因序列的快速积累,迫切需要补充有效的计算方法。因此,提供一个快速、准确的4mC位点在线预测平台十分必要。目前,还未见对构建必要的预测模型所需的不同特征的机器学习(machine learning,ML)方法进行全面的分析和评估。我们构建多组特征集,并且采用5种ML方法 (如随机森林,支持向量机,集成学习等),提出一种称为'DNA4mcEL'的预测方法。在随机10折交叉验证测试下与现有的预测器相比,DNA4mcEL预测C. elegans、D. melanogaster、A. thaliana、E. coli、G. subterraneus、G. pickeringii 6个物种的精度均有提高。基于本方法的预测器DNA4mcEL在这项任务中显著优于现有的预测器。我们希望通过这个综合调查和建立更准确模型的策略,可以作为激发N^4-甲基胞嘧啶预测计算方法未来发展的有用指南,加快新N^4-甲基胞嘧啶的发现。DNA4mcEL的独立版本可以从https://github.com/kukuky00/DNA4mcEL.git免费获得。
关键词
N^4-甲基胞嘧啶
机器学习
集成学习
DNA
N^4-甲基胞嘧啶机器学习
Keywords
N^4-methylcytosine(4mC)
machine learning(ML)
ensemble learning
DNA N^4 methylcytosine machine learning(DNA4mcEL)
分类号
Q811.4 [生物学—生物工程]
在线阅读
下载PDF
职称材料
题名
KELMPSP:基于核极限学习机的假尿苷修饰位点识别
被引量：
2
2
作者
李永贞
樊永显
杨辉华
机构
桂林
电子科技大学
电子
工程与自动化
学院
人工智能
研究室
桂林电子科技大学计算机与信息安全学院人工智能研究室
北京邮电
大学
自动化
学院
光谱大数据联合实验室
出处
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2018年第7期785-793,共9页
基金
国家自然科学基金项目(No.61462018
No.61762026)
+2 种基金
广西自然科学基金(No.2017GXNSFAA198278)
广西可信软件重点实验室(No.kx201403)
广西高校计算机图像与图形智能处理重点实验室(No.GIIP201502)资助~~
文摘
假尿苷(ψ)是RNA序列中的一种化学修饰,其在基因转录过程中,由酶的催化作用而形成。它是目前所发现为数最多的一种RNA修饰,并且在正常行使生物学功能方面扮演着重要角色。因此,假尿苷修饰位点的识别是一个非常重要的研究领域。随着RNA序列数据的急速增长,基于机器学习识别假尿苷位点的方法相继提出,但其识别精度有待提高。因此,本文提出了一个新的融合核苷酸化学性质、核苷酸浓度和位置特异性的单核苷酸、双核苷酸、三核苷酸偏好特征的序列编码方式,并基于此编码方式和核极限学习机(Kernel Extreme Learning Machine,KELM)算法,构建了一个新的假尿苷位点预测器,该预测器被称为"KELMPSP"。通过Jackknife测试和独立数据集测试表明,KELMPSP明显优于现有的假尿苷位点预测器。KELMPSP可以通过网站:http://39.105.77.161:8890/KELMPSP进行使用。
关键词
假尿苷
RNA
识别
核极限学习机
Keywords
pseudouridine
RNA
identification
Kernel extreme learning machine
分类号
Q811.4 [生物学—生物工程]
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
DNA4mcEL:基于核苷酸信息特征计算分析与预测DNA N^4-甲基胞嘧啶位点
龚浩
樊永显
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2019
2
在线阅读
下载PDF
职称材料
2
KELMPSP:基于核极限学习机的假尿苷修饰位点识别
李永贞
樊永显
杨辉华
《中国生物化学与分子生物学报》
CAS
CSCD
北大核心
2018
2
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
