检索结果-南通市图书馆

中国化学会第29届学术年会

作者：敬闰宇王跃龙代旭华勇攀李梦龙四川大学化学学院四川大学计算机学院

作为蛋白质结构、功能和遗传的基本单位,结构域在蛋白质相关领域的研究中扮演着重要的角色。对结构域的预测可以有助于我们更好地获取新发现的蛋白质序列的信息。本文基于之前的工作,使用了psi-blast和模糊平均算子（FMO）来基于序列信... 详细信息

作为蛋白质结构、功能和遗传的基本单位,结构域在蛋白质相关领域的研究中扮演着重要的角色。对结构域的预测可以有助于我们更好地获取新发现的蛋白质序列的信息。本文基于之前的工作,使用了psi-blast和模糊平均算子（FMO）来基于序列信息预测蛋白质的结构域位置。具体而言,本文将psi-blast匹配上的序列片段通过FMO进行投票,然后将投票结果通过区域划分进行平滑处理并以阈值来最终确定残基的属性。经过交叉验证以及参数优化,最终独立测试数据集得到的准确率、灵敏度、特异性和马尔科夫相关系数为:84.13%,63.62%,93.39%和0.615。

关键词：结构域 FMO psi-blast

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

泉生热袍菌结构基因组的选靶研究

引用

物理化学学报 2005年第5期21卷 499-503页

作者：裴剑锋来鲁华北京大学化学与分子工程学院分子动态与稳态结构国家重点实验室北京100871 北京大学理论生物学中心北京100871

对泉生热袍菌进行了结构基因组的选靶研究,从泉生热袍菌的蛋白组中挑选了20个蛋白质作为第一批进行结构测定的目标,以发现新的蛋白质折叠模式.选靶研究主要使用了blast搜索,psi-blast搜索和ProtoNet数据库搜索等方法.另外,还用PredictPr... 详细信息

对泉生热袍菌进行了结构基因组的选靶研究,从泉生热袍菌的蛋白组中挑选了20个蛋白质作为第一批进行结构测定的目标,以发现新的蛋白质折叠模式.选靶研究主要使用了blast搜索,psi-blast搜索和ProtoNet数据库搜索等方法.另外,还用PredictProtein程序对选中的蛋白质进行了二级结构和外形预测.选中的20个蛋白质中有8个被克隆、表达和纯化,其中2个得到了单晶并收集了X衍射数据.实验结果和最近一些文献报道的结果表明,挑选的一些蛋白质具有新的折叠模式,表明了这种选靶策略的有效性.

关键词：泉生热袍菌结构基因组选靶蛋白质结构 blast psi-blast ProtoNet

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

Prediction of Subcellular Localization of Eukaryotic Proteins Using Position-Specific Profiles and Neural Network with Weighted Inputs

引用

Journal of Genetics and Genomics 2007年第12期34卷 1080-1087页

作者：邹凌云王正志黄教民国防科技大学机电工程与自动化学院自动化研究所长沙410073

Subcellular location is one of the key biological characteristics of proteins. Position-specific profiles （PSP） have been introduced as important characteristics of proteins in this article. In this study, to obtain position-specific profiles, the Position Specific lterative-Basic Local Alignment Search Tool （psi-blast） has been used to search for protein sequences in a database. Position-specific scoring matrices are extracted from the profiles as one class of characteristics. Four-part amino acid compositions and lst-7th order dipeptide compositions have also been calculated as the other two classes of characteristics. Therefore, twelve characteristic vectors are extracted from each of the protein sequences. Next, the characteristic vectors are weighed by a simple weighing function and inputted into a BP neural network predictor named PSP-Weighted Neural Network （PSP-WNN）. The Levenberg-Marquardt algorithm is employed to adjust the weight matrices and thresholds during the network training instead of the error back propagation algorithm. With a jackknife test on the RH2427 dataset, PSP-WNN has achieved a higher overall prediction accuracy of 88.4% rather than the prediction results by the general BP neural network, Markov model, and fuzzy k-nearest neighbors algorithm on this dataset. In addition, the prediction performance of PSP-WNN has been evaluated with a five-fold cross validation test on the PK7579 dataset and the prediction results have been consistently better than those of the previous method on the basis of several support vector machines, using compositions of both amino acids and amino acid pairs. These results indicate that PSP-WNN is a powerful tool for subcellular localization prediction. At the end of the article, influences on prediction accuracy using different weighting proportions among three characteristic vector categories have been discussed. An appropriate proportion is considered by increasing the prediction accuracy.

关键词： subcellular localization psi-blast position-specific scoring matrices weighting function BP neural network

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

Sequence based prediction of relative solvent accessibility using two-stage support vector regression with confidence values

引用

Journal of Biomedical Science and Engineering 2008年第1期1卷 1-9页

作者： Ke Chen Michal Kurgan Lukasz Kurgan Department of Electrical and Computer Engineering University of Alberta T6G 2V4 Edmonton CANADA.

Predicted relative solvent accessibility (RSA) provides useful information for prediction of binding sites and reconstruction of the 3D-structure based on a protein sequence. Recent years observed development of several RSA prediction methods including those that generate real values and those that predict discrete states (buried vs. exposed). We propose a novel method for real value prediction that aims at minimizing the prediction error when compared with six existing methods. The proposed method is based on a two-stage Support Vector Regression (SVR) predictor. The improved prediction quality is a result of the developed composite sequence representation, which includes a custom-selected subset of features from the psi-blast profile, secondary structure predicted with psi-PRED, and binary code that indicates position of a given residue with respect to sequence termini. Cross validation tests on a benchmark dataset show that our method achieves 14.3 mean absolute error and 0.68 correlation. We also propose a confidence value that is associated with each predicted RSA values. The confidence is computed based on the difference in predictions from the two-stage SVR and a second two-stage Linear Regression (LR) predictor. The confidence values can be used to indicate the quality of the output RSA predictions.

关键词： relative solvent accessibility support vector regression psi-blast psi-PRED secondary protein structure

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

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：