文献
J-GLOBAL ID:201902257605967408   整理番号:19A0468292

バイモーダル深アーキテクチャを用いた一般的および種特異的リジンアセチル化部位予測【JST・京大機械翻訳】

General and Species-Specific Lysine Acetylation Site Prediction Using a Bi-Modal Deep Architecture
著者 (6件):
資料名:
巻:ページ: 63560-63569  発行年: 2018年 
JST資料番号: W2422A  ISSN: 2169-3536  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最も重要な翻訳後修飾の1つとしてのアセチル化は,転写調節,サイトカインシグナル伝達およびアポトーシスのような様々な生物学的機能において重要な役割を果たす。アセチル化の機構を理解するためには,蛋白質のアセチル化部位を正確に同定する必要がある。蛋白質アセチル化部位を同定するための既存の方法は,質量分析と計算法の2つの主要なカテゴリーに分けられる。質量分析に基づく実験法は,真核生物からアセチル化部位を発見することができるが,時間がかかり,費用がかかる可能性がある。したがって,蛋白質アセチル化部位を効果的かつ正確に同定できる計算アプローチを開発する必要がある。既存の計算法は,通常,特徴工学を含み,それは,冗長性およびバイアス表現に導く可能性がある。一方,深い学習は,多重層ネットワークと非線形マッピング操作を通して大規模な訓練データセットから基礎となる特性を発掘することができる。本論文では,深いニューラルネットワークに基づく一般的および種特異的リジンアセチル化サイトを予測するための新しい方法(DeepAceと命名)を提案した。DeepAceの性能を批判的に評価し,それを他の既存の予測子と比較した。比較結果は,著者らの二モードの深いアーキテクチャの有効性を示して,著者らの方法がアセチル化サイトを予測するために非常に有望であることを示した。DeepAceのソースコードはhttps://github.com/jiagenlee/DeepAceで自由にアクセスできる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般  ,  音声処理  ,  専用演算制御装置 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る