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

基于SVM的氨基酸频率计算预测水稻蛋白质磷酸化位点 被引量：1

下载PDF
导出
摘要 本文从s wiss-prot中选取经过试验验证的水稻蛋白质磷酸化位点数据作为训练集合,应用蛋白质序列的氨基酸频率计算方法来进行特征提取,再利用SVM算法构建专门针对水稻蛋白质磷酸化位点的预测新工具.氨基酸频率算法指的是计算出相应待预测磷酸化位点附近氨基酸的出现频率,进一步反映了残基之间的相关性.本文利用LibSVM软件包对已通过氨基酸频率算法特征提取出来的数值特征对磷酸化位点进行预测,从而为之后构建水稻蛋白质磷酸化位点的预测工具做准备.结果表明,本文基于SVM和氨基酸频率方法的水稻蛋白质磷酸化位点预测在丝氨酸,苏氨酸和酪氨酸的平均预测准确性为77.665%,马修斯系数为0.571.与PlantPhos和Musite的预测性能的对比结果显示,在磷酸化苏氨酸位点的预测性能显著高于PlantPhos及Musite.
作者 王伟 何华勤
机构地区 福建农林大学
出处 《赤峰学院学报（自然科学版）》 2014年第5期11-13,共3页 Journal of Chifeng University(Natural Science Edition)
关键词 氨基酸频率计算 磷酸化位点
分类号 S511 [农业科学—作物学]
  • 相关文献

参考文献11

  • 1张颖,罗辽复,吕军.使用多样性增量预测磷酸化位点[J].内蒙古大学学报（自然科学版）,2008,39(1):34-39. 被引量：7
  • 2朱玉贤,李毅,郑晓峰.现代分子生物学(第三版).
  • 3姜铮,王芳,何湘,等.蛋白质磷酸化修饰的研究进展.中国人民解放军疾病预防控制研究所.2009.
  • 4蔡津津.蛋白质磷酸化位点预测与规则抽取方法研究.中国科学院计算技术研究所.
  • 5赵凌志,刘颖,等.WeightedSVM在蛋白质磷酸化位点预测中的应用.清华大学软件学院,2006.
  • 6白海艳,吕军,张颖,计美珍,秦丹丹.蛋白质磷酸化位点的识别[J].内蒙古工业大学学报（自然科学版）,2011,30(2):108-115. 被引量：17
  • 7Koenig M ,Grade N. Highly specific predic- tion of phosphorylation sites in proteins [J].Bioinformatics, 2004.
  • 8Lee TY, Lin ZQ, Hsieh SJ, Bretana NA, Lu CT: Exploiting maximal dependence decompo- sition to identify conserved motifs from a group of aligned signal sequences. Bioinformat- ics 2011, 27(13):1780-7, 1.
  • 9Burge C, Karlin S: Prediction of complete gene structures in human genomic DNA. J Mol Biol 1997, 268(1):78-94.
  • 10Diella F, Gould CM, Chica C, Via A, Gib- son TJ: Phospho.ELM: a database of phospho- rylation sites-update 2008. Nucleic Acids Res 2008, 36 Database: D240-244.

二级参考文献17

  • 1吕军,罗辽复.人类polⅡ启动子的识别[J].生物化学与生物物理进展,2005,32(12):1185-1191. 被引量：26
  • 2赵凌志,刘颖,覃征.Weighted SVM在蛋白质磷酸化位点预测中的应用[J].计算机工程与应用,2006,42(3):155-157. 被引量：10
  • 3张倩,杨振,安学丽,王爱丽,李巧云,晏月明.蛋白质的磷酸化修饰及其研究方法[J].首都师范大学学报（自然科学版）,2006,27(6):43-49. 被引量：17
  • 4王明会,王立荣,许文龙,林晓君,江朝晖,冯焕清.基于k近邻和BLOSUM62矩阵方法的磷酸化位点预测[J].中国生物医学工程学报,2007,26(3):404-408. 被引量：2
  • 5Pinna L A.Ruzzene M. How do protein kinases recognize their substrates? [J]. Biochim Biophys Acta, 1996, 1314(3) : 191-225.
  • 6Koenig M ,Grabe N. Highly specific prediction of phosphorylation sites in proteins [J]. Bioinforrnatics, 2004,20 (18):3620-3627.
  • 7Berry E A,Dalby A R, Yang Z R. Reduced bio basis function neural network for identification of protein phosphorylation sites :comparison with pattern recognition algorithms [J]. Comput Biol Chem ,2004,28(1 ):75- 85.
  • 8Hjerrild M, Stensballe A, Rasmussen TE, et al. Identification of phosphorylation sites in protein kinase A substrates using artificial neural networks and mass spectrometry [J]. d Proteorne Res,2004,3(3):426-433.
  • 9Manning G,Whyte D B,Martinez R.et al. The protein kinase complement of the human genome [J]. Science, 2002,298(5600) : 1912-1934.
  • 10Huang H D, Lee T Y, Tzeng W S, et al. KinasePhos: a web tool for identifying protein kinase-specific phosphorylation sites [J]. Nucleic Acids Research, 2005,33 (Web Server Issue) : W226-W229.

共引文献19

同被引文献8

引证文献1

二级引证文献1

赤峰学院学报（自然科学版）
2014年 第5期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部