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
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
1
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
职称材料
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
2
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
职称材料
题名
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
1
作者
魏欣
胡思亲
涂建
Muhammad Akmal Remli
机构
Institute for Artificial Intelligence and Big Data
江西
服装学院
商
学院
数理统计
教研室
Faculty of Data Science and Computing
江西服装学院大数据学院数据科学教研室
出处
《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
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.GJJ2402711,GJJ2402712,No.GJJ2402708,No.GJJ2202813)资助。
文摘
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。
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
Keywords
human non-histone proteins
crotonylation site
deep learning
feature extraction
ensemble learning
residual neural network(RsFPN)
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
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
2
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
作者
出处
发文年
被引量
操作
1
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
魏欣
胡思亲
涂建
Muhammad Akmal Remli
《中国生物化学与分子生物学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
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
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
