文献

J-GLOBAL ID：201302250818431563   整理番号：13A0803614

位置特異的アミノ酸特性と条件付き確率場を用いる蛋白質N末端シグナルペプチドの予測

Predicting Protein N-Terminal Signal Peptides Using Position-Specific Amino Acid Propensities and Conditional Random Fields

著者 (7件)： FAN Yong-Xian (Shanghai Jiao Tong Univ., Shanghai, CHN) ,  SONG Jiangning (Tianjin Inst. Industrial Biotechnology, Chinese Acad. Sci., Tianjin, CHN) ,  SONG Jiangning (Monash Univ., VIC, AUS) ,  XU Chen (Shanghai Jiao Tong Univ., Shanghai, CHN) ,  XU Chen (Shanghai Key Lab. Reproductive Medicine, Shanghai, CHN) ,  SHEN Hong-Bin (Shanghai Jiao Tong Univ., Shanghai, CHN) ,  SHEN Hong-Bin (Shanghai Key Lab. Reproductive Medicine, Shanghai, CHN)
資料名： Current Bioinformatics  (Current Bioinformatics)
巻： 8  号： 2  ページ： 183-192  発行年： 2013年04月 
JST資料番号： W2353A  ISSN： 1574-8936  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 一般にシグナルペプチド予測は2段階プロセスから構成される。第一はシグナルペプチドを持つ分泌蛋白質を非分泌蛋白質から区別すること,第二はシグナルペプチドを持つ分泌配列から切断部位の位置を同定することである。本論文ではこの二つのプロセスを成し遂げるための新規な方法を示した。第一の方法はアミノ酸配列位置に基づく位置特異的アミノ酸特性を持つ疎水性整列性状を精査統合し,シグナルペプチドを予想する識別スコアを算出すること,第二の方法は連続的教師付学習技術を用いる条件付き確率場(CRFs)による切断部位を同定することにある。分泌蛋白質のシグナルペプチドが明白な疎水性状を持つこと,また最新の連続的機械学習技術が配列切断部位の同定にもっとも適している点から本論文の方法が最適である。

シソーラス用語： *分泌タンパク質 ,  選択性 ,  確率モデル ,  特徴抽出 ,  *シグナルペプチド ,  アミノ酸 ,  疎水性 ,  弁別学習 ,  教師つき学習 ,  機械学習
準シソーラス用語： 位置特異性 ,  *条件つき確率場 ,  作用部位 ,  疎水性アミノ酸 ,  識別学習 ,  統計的機械学習

分類 (3件)： 生物学的機能  (EB03040U) ,  分子構造  (EB03020Y) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： アミノ酸 ,  条件付き確率場 ,  蛋白質 ,  N末端 ,  シグナルペプチド ,  予測