期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
蛋白质磷酸化位点的识别 被引量:17
1
作者 白海艳 吕军 +2 位作者 张颖 计美珍 秦丹丹 《内蒙古工业大学学报(自然科学版)》 2011年第2期108-115,共8页
磷酸化是蛋白质重要的翻译后修饰之一,磷酸化位点的理论识别是计算生物学的重要研究内容。磷酸化位点附近存在保守残基片段,而这种保守性又与激酶类型相关。选择注释数据相对较多的CK2,PKA和PKC三种激酶催化的磷酸化位点作为研究对象,... 磷酸化是蛋白质重要的翻译后修饰之一,磷酸化位点的理论识别是计算生物学的重要研究内容。磷酸化位点附近存在保守残基片段,而这种保守性又与激酶类型相关。选择注释数据相对较多的CK2,PKA和PKC三种激酶催化的磷酸化位点作为研究对象,以序列组分特征,残基位置特异性特征和残基的非近邻关联特征为参数,采用延森-香农离散量(Jensen-Shannon Divergence,JSD)作为各特征差异度量,再使用二次判别分析算法组合不同特征,对磷酸化位点进行预测。对CK2,PKA和PKC三种激酶磷酸化位点7-fold交叉检验,总精度分别达到了90%,90%和86%,这一结果要好于当前其它预测模型。 展开更多
关键词 蛋白质磷酸化位点 延森-香农离散量 二次判别分析
下载PDF
高效液相色谱-电喷雾四极杆离子阱质谱鉴定蛋白质磷酸化位点 被引量:8
2
作者 车发云 邵晓霞 夏其昌 《中国科学(C辑)》 CSCD 2000年第4期421-427,共7页
运用高效液相色谱和电喷雾四极杆离子阱质谱(HPLC-ESI-QITMS)联用技术鉴定了两种天然磷酸化蛋白──牛β-酪蛋白(β-casine)和牛髓磷脂碱性蛋白(myelinbasic Protein, MBP)的磷酸化... 运用高效液相色谱和电喷雾四极杆离子阱质谱(HPLC-ESI-QITMS)联用技术鉴定了两种天然磷酸化蛋白──牛β-酪蛋白(β-casine)和牛髓磷脂碱性蛋白(myelinbasic Protein, MBP)的磷酸化位点.用胰蛋白酶酶解蛋白质,高效液相色谱(HPLC)分离酶解肽段,电喷雾离子阱质谱(ESI-ITMS)在线测定完整肽段的分子量,同时结合碰撞诱导解离(CID)技术获得肽段的MS/MS谱.根据测定得到的肽段分子量比预计的分子量大80或其整倍数,判定某一肽段存在磷酸化修饰;再根据其MS/MS谱解析(人工解析或蛋白质数据库自动搜寻)肽段的序列,鉴定磷酸化位点. 展开更多
关键词 色谱-质谱法 蛋白质磷酸化位点 鉴定
原文传递
使用多样性增量预测磷酸化位点 被引量:7
3
作者 张颖 罗辽复 吕军 《内蒙古大学学报(自然科学版)》 CAS CSCD 北大核心 2008年第1期34-39,共6页
磷酸化是蛋白质最重要的翻译后修饰之一.应用基于多样性增量的二次判别分析(Increment of Diversity with Quadratic Discriminant analysis,IDQD)方法对CK2,PKA和PKC三种类型磷酸化位点进行预测,k-fold交叉检验的正确率分别为86%,90%和... 磷酸化是蛋白质最重要的翻译后修饰之一.应用基于多样性增量的二次判别分析(Increment of Diversity with Quadratic Discriminant analysis,IDQD)方法对CK2,PKA和PKC三种类型磷酸化位点进行预测,k-fold交叉检验的正确率分别为86%,90%和85%,独立测试集检验的正确率分别为86%,88%和84%.所得结果高于包括支持向量机在内的现有预测方法. 展开更多
关键词 蛋白质磷酸化位点 多样性增量 二次判别分析
下载PDF
决策树算法预测人类病毒的蛋白质磷酸化位点
4
作者 黄淑云 《萍乡高等专科学校学报》 2013年第3期41-45,共5页
本文基于决策树分类算法构建人类病毒蛋白质磷酸化修饰位点的预测模型。采用氨基酸物理化学性质对蛋白质序列进行特征提取,并分析丝氨酸、苏氨酸和酪氨酸磷酸化位点邻近序列的氨基酸性质。同时考察了不同分类算法对预测结果的影响。通... 本文基于决策树分类算法构建人类病毒蛋白质磷酸化修饰位点的预测模型。采用氨基酸物理化学性质对蛋白质序列进行特征提取,并分析丝氨酸、苏氨酸和酪氨酸磷酸化位点邻近序列的氨基酸性质。同时考察了不同分类算法对预测结果的影响。通过10倍交叉验证,利用决策树算法预测丝氨酸、苏氨酸和酪氨酸磷酸化位点的MCC分别达到77.31%、75.91%和71.94%,表明本文提出的方法能有效地预测人类病毒的磷酸化修饰位点。 展开更多
关键词 人类病毒 蛋白质磷酸化位点 决策树
下载PDF
用多样性增量特征选择技术识别蛋白质磷酸化位点
5
作者 胡世赛 梁珍 +2 位作者 陈宇翔 张颖 吕军 《计算生物学》 2018年第1期24-32,共9页
磷酸化是最重要的蛋白质翻译后修饰之一,在许多细胞过程中扮演重要角色。发展磷酸化位点精确识别的计算生物学方法,有助于对磷酸化信号转导机制的理解。本文给出一种激酶无关的磷酸化位点识别模型,称为FSID_PhSite。模型以k间隔氨基酸... 磷酸化是最重要的蛋白质翻译后修饰之一,在许多细胞过程中扮演重要角色。发展磷酸化位点精确识别的计算生物学方法,有助于对磷酸化信号转导机制的理解。本文给出一种激酶无关的磷酸化位点识别模型,称为FSID_PhSite。模型以k间隔氨基酸对组分和位置保守氨基酸组分为特征,应用多样性增量特征选择技术进行特征筛选,将选出的特征输入到支持向量机算法进行识别。在正负样本数之比为1:1的情形下,对磷酸化丝氨酸、苏氨酸和酪氨酸在独立测试集检验,识别精度分别达到84.34%、82.32%和68.89%。结果优于现有的激酶无关磷酸化位点识别模型。 展开更多
关键词 蛋白质磷酸化位点 多样性增量特征选择 支持向量机
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部