换一批摘要糖基化是蛋白质翻译后的主要修饰,O-糖基化的固定模式未知,高精度识别O-糖基化位点是机器学习面临的挑战性问题.以迄今最大的人O-糖基化位点Steentoft数据集为基础,本文首次提出了基于位置的卡方差表特征x2-pos,融合伪氨基酸序列进化信息PsePSSM以及无方向的k间隔氨基酸对组分Undirected-CKSAAP表征序列,构建5个正负样本均衡的支持向量机分类器,经加权投票,独立测试准确率、Matthew相关系数及ROC曲线下面积,分别达到了89.62％、0.79、0.96,明显优于文献报道结果.x2-pos、PsePSSM与Undirected-CKSAAP三种特征的融合在蛋白质糖基化、磷酸化等位点预测中有广泛应用前景.
更多相关知识
关键词
O-糖基化位点预测卡方差表特征伪氨基酸序列进化信息无方向的k间隔氨基酸对组分加权投票O-glycosylation predictionchi-square score difference tablepseudo position-specific scoring matrixundirected composition of k-spaced amino acid pairsweighted voting
栏目名称
DOI
10.16476/j.pibb.2016.0002
发布时间
2016-09-05（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
