iRSC-PseAAC:基于有效降维算法LDA预测蛋白质中的氧化还原敏感半胱氨酸位点

iRSC-PseAAC:Predicting Redox-sensitive Cysteine Sites in Proteins Based on Effective Dimension Reduction Algorithm LDA

二维码有效期 120s

摘要氧化还原敏感半胱氨酸(RSC)硫醇参与了许多生物过程,并发挥着重要作用.因此,有必要对氧化还原敏感半胱氨酸进行准确鉴定.然而,传统的氧化还原敏感半胱氨酸鉴定非常昂贵且耗时.目前,迫切需要一种数学计算方法来识别序列信息,快速准确地鉴定出氧化还原敏感半胱氨酸.在此,我们开发了一种名为iRSC-PseAAC的有效预测器,它采用降维算法LDA结合支持向量机来预测氧化还原敏感半胱氨酸位点.在交叉验证中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)的结果分别为0.841、0.868、0.859和0.692.在独立数据集的结果中,特异性(Sp)、灵敏性(Sn)、准确性(Acc)和马修斯相关系数(MCC)分别为0.906、0.882、0.890和0.767.与现有的预测方法相比,iRSC-PseAAC具有明显的改进效果.本研究提出的方法还可用于计算蛋白质组学中的许多问题.

作者魏欣 ^[1] 刘春生 ^[2] 吕哲 ^[3] 林刚 ^[4] 胡思亲 ^[4] 贾建华 ^[5] 学术成果认领

作者单位 江西服装学院商学院数理统计教研室,南昌 330201 ^[1] 江西服装学院商学院智慧物流教研室,南昌 330201 ^[2] 江西服装学院大数据学院信息工程教研室,南昌 330201 ^[3] 江西服装学院大数据学院数据科学教研室,南昌 330201 ^[4] 景德镇陶瓷大学信息工程学院生物信息研究室,江西景德镇 333403 ^[5]

关键词氧化还原敏感半胱氨酸特征提取词嵌入线性判别分析机器学习 redox-sensitive cysteine(RSC)feature extraction word embedding linear discriminant analysis machine learning

分类号 Q754

栏目名称

技术与方法

DOI 10.13865/j.cnki.cjbmb.2024.06.1122

发布时间 2024-08-01