文献

J-GLOBAL ID：201702229052251333   整理番号：17A0704129

部位の予測のための配列に基づく計算法【Powered by NICT】

A sequence-based computational method for prediction of MoRFs

著者 (4件)： Wang Yu (College of Chemistry, Sichuan University, Chengdu, Sichuan 610064, People’s Republic of China. [e-mail] [e-mail]) ,  Guo Yanzhi ,  Pu Xuemei ,  Li Menglong
資料名： RSC Advances (Web)  (RSC Advances (Web))
巻： 7  号： 31  ページ： 18937-18945  発行年： 2017年 
JST資料番号： U7055A  ISSN： 2046-2069  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 分子認識特徴(MoRFs)はパートナー蛋白質への結合中の無秩序-秩序転移を受けることを本質的に無秩序な領域(IDR)内で比較的短いセグメント(10 70残基)である。MoRFsはシグナル伝達と調節などの重要な生物学的過程において重要な役割を果たしているので,それらを特定することであるIDRの機能面の完全な理解のための重要である。しかし,蛋白質配列におけるMoRFsの相対的スパース性,利用可能なMoRF予測因子の精度は,実用的な用途,改善のための重要な必要性と余地を残すのは不十分であることが多い。本研究では,サポートベクトルマシン(SVM)アルゴリズムを用いたMoRFsのための新しい配列に基づく予測因子を開発した。最初に,10と70残基の間の広い長さと注釈付きMoRFsの包括的なデータセットを構築した。著者らの方法は,最初に隣接領域を利用した陰性試料を明らかにした。,アミノ酸組成(AAC)と組成,転移と分布(CTD)とK最近傍(KNN)スコアを含む二の以前に検討されていない特徴は,MoRFsの配列情報を特性化した。最後に,五倍交差検証を用いて,75.75%の全体的精度は,特徴評価と最適化により達成された。110--蛋白質の独立した試験セットで実行されたときに,この方法は64.98%の有望な精度が得られた。さらに,陰性試料に及ぼす外部検証により,この方法は他の既存の方法との比較性能を示した。はこの研究では,MoRFsの機構を解明し,仮説実験設計と検証を容易にするために有用であろうと信じている。Copyright 2017 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アミノ酸組成 ,  サポートベクトルマシン ,  分子認識 ,  実験計画法 ,  アルゴリズム ,  タンパク質 ,  キャラクタリゼーション ,  性能評価 ,  アノテーション ,  最適化 ,  *精度 ,  予測因子 ,  生物学的過程 ,  改変
準シソーラス用語： 外部検証 ,  スパース性 ,  残基 , 【Automatic Indexing@JST】

分類 (4件)： 分子構造  (EB03020Y) ,  人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B) ,  高分子固体の構造と形態学  (CG02022M)

タイトルに関連する用語 (2件)： 予測 ,  計算法