相关实验视频
Updated: Jun 20, 2026
Oligopeptide Competition Assay for Phosphorylation Site Determination
Published on: May 18, 2017
通过meta-learning方法提高SARS-CoV-2酸化位点检测的准确性
Nhat Truong Pham1, Le Thi Phan1, Jimin Seo1
1Department of Integrative Biotechnology and of Biopharmaceutical Convergence, Sungkyunkwan University, Suwon 16419, Gyeonggi-do, Republic of Korea.
一个新的超学习模型,MeL-STPhos,准确地预测了蛋白质酸化位点. 这一进展有助于了解严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 感染和COVID-19.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 构成了全球卫生挑战.
- 酸化是一种与SARS-CoV-2感染相关的关键翻译后修饰.
- 现有的用于预测酸化位点的计算工具缺乏准确性.
研究的目的:
- 开发一个准确的计算模型来识别蛋白质酸化位.
- 通过精确的酸化位点识别,增强对SARS-CoV-2感染机制的理解.
- 为COVID-19研究提供一个有价值的工具.
主要方法:
- 开发了用于血清/氨酸酸化的超学习模型 (MeL-STPhos),这是一个超学习模型.
- 评估了29个序列衍生特征和14个机器学习方法.
- 采用严格的特征选择,以获得最佳的细胞特异性和通用模型.
主要成果:
- 与现有的最先进的工具相比,MeL-STPhos表现出更高的性能.
- 在预测氨酸/氨酸酸化位点方面取得了高准确性.
- 开发了第一个报告细胞特异性和通用酸化部位预测模型的研究,使用了广泛的功能和算法.
结论:
- MeL-STPhos是预测蛋白质酸化位点的高效工具.
- 该模型有助于阐明酸化在SARS-CoV-2感染和翻译后调节中的作用.
- 在 https://balalab-skku.org/MeL-STPhos.hos 的公开可访问的 MeL-STPhos 平台.
更多相关视频
09:10A Fast and Quantitative Method for Post-translational Modification and Variant Enabled Mapping of Peptides to Genomes
Published on: May 22, 2018
12:11Simultaneous Affinity Enrichment of Two Post-Translational Modifications for Quantification and Site Localization
Published on: February 27, 2020
相关概念视频
02:07Improving Translational Accuracy
02:07Improving Translational Accuracy