检索结果-南通市图书馆

Machine Learning Modeling of Protein-intrinsic Features Predicts Tractability of Targeted Protein Degradation

Genomics, Proteomics & Bioinformatics 2022年第5期20卷 882-898页

作者： Wubing Zhang Shourya S.Roy Burman Jiaye Chen Katherine A.Donovan Yang Cao Chelsea Shu Boning Zhang zexian zeng Shengqing Gu Yi Zhang Dian Li Eric S.Fischer Collin Tokheim X.Shirley Liu Department of Data Science Dana-Farber Cancer InstituteBostonMA 02215USA Department of Biostatistics Harvard T.H.Chan School of Public HealthBostonMA 02115USA Department of Cancer Biology Dana-Farber Cancer InstituteBostonMA 02215USA Department of Biological Chemistry and Molecular Pharmacology Harvard Medical SchoolBostonMA 02115USA Department of Biomedical Informatics Harvard Medical SchoolBostonMA 02115USA Center of Growth Metabolismand AgingKey Laboratory of Bio-resource and Eco-environmentMinistry of EducationCollege of Life SciencesSichuan UniversityChengdu 610064China Research Scholar Initiative Graduate School of Arts and SciencesHarvard UniversityCambridgeMA 02138USA

Targeted protein degradation(TPD)has rapidly emerged as a therapeutic modality to eliminate previously undruggable proteins by repurposing the cell’s endogenous protein degradation ***,the susceptibility of proteins for targeting by TPD approaches,termed“degradability”,is largely ***,we developed a machine learning model,model-free analysis of protein degradability(MAPD),to predict degradability from features intrinsic to protein *** shows accurate performance in predicting kinases that are degradable by TPD compounds[with an area under the precision–recall curve(AUPRC)of 0.759 and an area under the receiver operating characteristic curve(AUROC)of 0.775]and is likely generalizable to independent non-kinase *** found five features with statistical significance to achieve optimal prediction,with ubiquitination potential being the most *** structural modeling,we found that E2-accessible ubiquitination sites,but not lysine residues in general,are particularly associated with kinase ***,we extended MAPD predictions to the entire proteome to find964 disease-causing proteins(including proteins encoded by 278 cancer genes)that may be tractable to TPD drug development.

关键词： Targeted protein degradation Degradability Protein-intrinsic feature Ubiquitination Machine learning

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Dynamic single-cell mapping unveils Epstein-Barr virusimprinted T-cell exhaustion and on-treatment response

引用

Signal Transduction and Targeted Therapy 2023年第10期8卷 4985-4997页

作者： Miao-Zhen Qiu Chaye Wang Zhiying Wu Qi Zhao Zhibin Zhao Chun-Yu Huang Wenwei Wu Li-Qiong Yang Zhi-Wei Zhou Yu Zheng Hong-Ming Pan zexian Liu Zhao-Lei zeng Hui-Yan Luo Feng Wang Feng-Hua Wang Si-Yu Yang Meng-Xing Huang Zhexiaon Lian Haiyan Zhang Rui-Hua Xu Department of Medical Oncology Sun Yat-sen University Cancer CenterState Key Laboratory of Oncology in South ChinaCollaborative Innovation Center for Cancer MedicineSun Yat-sen University Cancer Center510060 GuangzhouChina Research Unit of Precision Diagnosis and Treatment for Gastrointestinal Cancer Chinese Academy of Medical Sciences510060 GuangzhouChina Department of Experimental Research Sun Yat-sen University Cancer CenterState Key Laboratory of Oncology in South ChinaCollaborative Innovation Center for Cancer MedicineSun Yat-sen University510060 GuangzhouChina Medical Research Institute Guangdong Provincial People's Hospital(Guangdong Academy of Medical Sciences)Southern Medical UniversityGuangzhouChina Department of Endoscopy Sun Yat-sen University Cancer CenterState Key Laboratory of Oncology in South ChinaCollaborative Innovation Center for Cancer MedicineSun Yat-sen University510060 GuangzhouChina Department of Gastric Surgery Sun Yat-sen University Cancer Center510060 GuangzhouChina Department of Internal Medical Oncology Zhejiang University School of MedicineSir Run Run Shaw HospitalHangzhouChina Cancer Centre Faculty of Health SciencesUniversity of MacaoMacao SARChina MOE Frontier Science Centre for Precision Oncology University of MacaoMacao SARChina

Epstein-Barr virus(EBV)-associated gastric cancer(GC)manifests an intriguing immunotherapy ***,the cellular basis for EBV-imprinted tumour immunity and on-treatment response remains *** study aimed to finely characterize the dynamic tumour immune contexture of human EBV(+)GC treated with immunochemotherapy by longitudinal scRNA-seg and paired scTCR/***(+)GC exhibits an inflamed-immune phenotype with increased T-cell and B-cell infiltration.

关键词： chemotherapy treatment EBV

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于Tri-Training半监督学习的非功能性需求分类方法在工业软件中的应用

引用

武汉大学学报（理学版） 2024年第3期70卷 367-375页

作者：宋百灵何彦众张泽贤曾诚俞嘉怡刘进胡文华武汉理工大学计算机与人工智能学院湖北武汉430070 湖北大学人工智能学院湖北武汉430062 武汉大学计算机学院湖北武汉430072

结合Word2Vec的Skip-gram模型在提取复杂软件需求文档中细微语义差异方面的优势,提出了一种基于Tri-Training半监督学习的非功能性需求分类方法,旨在应对软件需求工程领域中标记样本数量有限的挑战,从而解决非功能性需求分类性能下降的... 详细信息

结合Word2Vec的Skip-gram模型在提取复杂软件需求文档中细微语义差异方面的优势,提出了一种基于Tri-Training半监督学习的非功能性需求分类方法,旨在应对软件需求工程领域中标记样本数量有限的挑战,从而解决非功能性需求分类性能下降的问题。与传统应用于完全冗余视图或单一分类器的半监督学习算法不同,半监督学习Tri-training算法通过用自举抽样产生的3个不同的标记数据集初始化3个不同的分类器,利用三个分类器以多数投票规则来产生伪标记数据,从而解除对训练集的限制,提高分类框架的通用性和可用性。将本文方法应用于涵盖多个工业领域的PROMISE软件需求数据集中,结果表明,基于Tri-Training半监督学习的非功能性需求分类方法在不同标记比例的数据集上具有良好的分类性能,特别是在标记数据不足的情况下,相比于监督学习和其他半监督学习算法,该方法在召回率和F1值上具有显著优势。

关键词：软件需求分类半监督学习 Tri-Training

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高校空调系统微生物污染调查分析

引用

环境与发展 2018年第1期30卷 161-162页

作者：王泽贤曾力卜黄周满武昌理工学院湖北武汉430223

采用随机抽样的方法,对武汉某高校寝室、教室共50台空调机的过滤网和散热片进行涂抹采样,根据空调污染原理,采用《公共场所集中空调通风系统卫生规范》中微生物检测方法,检测其中的细菌数和真菌数。检测结果:过滤网上细菌均值为(1620.00... 详细信息

采用随机抽样的方法,对武汉某高校寝室、教室共50台空调机的过滤网和散热片进行涂抹采样,根据空调污染原理,采用《公共场所集中空调通风系统卫生规范》中微生物检测方法,检测其中的细菌数和真菌数。检测结果:过滤网上细菌均值为(1620.00)cfu/cm^2,真菌均值为(1286.68)cfu/cm^2;散热片上细菌均值为(1902.00)cfu/cm^2,真菌均值为(1612.32)cfu/cm^2,均超过国家空调卫生合格标准:细菌和真菌总菌落数均应≤100 cfu/cm^2。同时开展了网上问卷调查,了解广大师生对空调的使用和清洗情况,并针对反映的问题,给予相关建议和解决措施。

关键词：空调室内污染危害散热片细菌和真菌总数清洁情况

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：