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3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
iHNHC-RsFPN:基于多特征和特征金字塔网络预测人类非组蛋白巴豆酰化位点
2
作者 魏欣 胡思亲 +1 位作者 涂建 Muhammad Akmal Remli 《中国生物化学与分子生物学报》 北大核心 2025年第10期1541-1551,共11页
人类非组蛋白赖氨酸巴豆酰化位点在生物学活动中发挥至关重要的作用。然而传统湿实验耗时耗力,使得计算预测方法在近年来备受欢迎。尽管赖氨酸巴豆酰化位点具有重要的生物学意义,但针对人类非组蛋白的相关研究较少。本文构建了一个残差... 人类非组蛋白赖氨酸巴豆酰化位点在生物学活动中发挥至关重要的作用。然而传统湿实验耗时耗力,使得计算预测方法在近年来备受欢迎。尽管赖氨酸巴豆酰化位点具有重要的生物学意义,但针对人类非组蛋白的相关研究较少。本文构建了一个残差金字塔网络(residual neural network,RsFPN),开发名为iHNHC-RsFPN的集成深度学习预测器。首先,采用3种特征提取方法从样本中提取特征;其次,针对不同特征类型分别构建基于RsFPN训练的弱分类器;最后,整合3个弱分类器构建最终的强分类器。独立测试集结果显示,iHNHC-RsFPN的灵敏性(Sn=0.8580)、特异性(Sp=0.7463)、准确性(Acc=0.7798)和马修斯相关系数(MCC=0.5586)等4个指标均表现优异。研究结果表明,与现有的预测器相比,iHNHC-RsFPN在人类非组蛋白巴豆酰化位点的预测精度上有了显著改进。此外,本文还创建了一个用户友好的网络服务器(http://www.lzzzlab.top/ihnc/),它无需复杂的公式计算,可直接为相关专家学者提供预测服务,助力其进一步研究。 展开更多
关键词 人类非组蛋白 巴豆酰化位点 深度学习 特征提取 集成学习 残差金字塔网络
在线阅读 下载PDF
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
3
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... 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。 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
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