文献

J-GLOBAL ID：201902277792866358   整理番号：19A0517249

蛋白質中の亜鉛結合部位の予測のための線形回帰に基づく統合法【JST・京大機械翻訳】

Integrative Method Based on Linear Regression for the Prediction of Zinc-Binding Sites in Proteins

著者 (4件)： Li Hui (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Pi Dechang (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Wu Yaling (School of Nursing, Wuchang University of Technology, Wuhan, China) ,  Chen Chuanming (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 14647-14656  発行年： 2017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： 亜鉛は重要な微量元素であり,それは重要な生物学的機能を果たすために蛋白質と組み合わせて用いることができる。本論文では,蛋白質における亜鉛結合部位の予測のために,配列に基づく3つのタイプの予測ツールを研究し,メタ亜鉛予測と呼ばれる新しい統合予測因子を提示した。3つの予測ツールの結果を統合するために,多重線形回帰を用いて,最適モデルが構築されるまで,パラメータを最小二乗法によって推定した。Zhao_データセットを用いて,著者らの予測子の再精度曲線(AURPC)の下の面積は,ほぼ0.9に達し,他の3つの予測子と比較して,2%~9%増加した。他の性能指標も改善した。さらに,統合予測器のロバスト性と精度を実証するために,非冗長独立試験データセット(CollectedDataet)について試験した。AURPCは2%~8%増加した。精度,特異性,およびMCCを含む他の3つの指標は,それぞれ5%~8%,2%~8%,および4%~12%増加し,70%の回収率であった。亜鉛結合部位が4つのタイプの残基または単一残基を含むかどうかにかかわらず,メタ亜鉛予測の予測能力は他の3つの予測因子より良かった。著者らの方法は,配列情報に基づく亜鉛結合部位の認識に適用できるが,蛋白質機能を推測するのに有用で,いくつかの疾患の治療のためにより都合がよい。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： *結合部位 ,  *予測 ,  生物活性 ,  微量元素 ,  最小二乗法 ,  冗長性 ,  *タンパク質 ,  *亜鉛 ,  ロバスト性
準シソーラス用語： 残基 ,  特異性 ,  予測子 ,  多重線形回帰 ,  予測因子 ,  *線形回帰 , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 蛋白質 ,  亜鉛 ,  結合部位 ,  予測 ,  線形回帰 ,  統合