相关实验视频
Updated: Jun 11, 2025
07:31
Nitropeptide Profiling and Identification Illustrated by Angiotensin II
Published on: June 16, 2019
5.7K
基于堆叠的集体学习框架,用于识别尼托铁的部位
Aiman Parvez1, Syed Danish Ali2, Hilal Tayara3
1Graduate School of Integrated Energy-AI, Jeonbuk National University, Jeonju, 54896, South Korea.
Computers in biology and medicine
|October 4, 2024
概括
我们开发了iNTyro-Stack,这是一个计算工具,用于识别蛋白质尼托铁的位点. 这种机器学习模型准确地预测了这些关键的修改,有助于生物研究.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 蛋白质组学是指蛋白质组学.
背景情况:
- 蛋白质尼铁是影响生物功能和疾病的关键翻译后修饰.
- 准确识别尼铁的部位对于理解生物过程和疾病机制至关重要.
研究的目的:
- 推出iNTyro-Stack,这是一款用于准确识别蛋白质尼托铁位点的新型计算工具.
- 为了利用机器学习来预测尼铁胺修饰站点.
主要方法:
- 开发了iNTyro-Stack,这是一个使用堆叠算法的机器学习模型.
- 采用了组合氨基酸组成编码方案 (k间隔的氨基酸对,三组成) 的特征图.
- 使用递归特征消除来进行显著特征选择,并通过k-fold交叉验证和独立测试来评估性能.
主要成果:
- 在交叉验证中,iNTyro-Stack实现了86.3%的准确性和72.6%的MCC.
- 在一个不平衡的独立测试集上证明了概括能力,准确率为69.32%.
- 超越现有的最先进的方法来识别蛋白质尼托铁的部位.
结论:
- iNTyro-Stack提供了一种准确和有效的计算方法来识别蛋白质尼托铁的位点.
- 该工具有助于阐明与铁素修饰相关的生物功能和疾病.
- 该方法和结果可以通过公开可用的 GitHub 存储库重现.
更多相关视频
07:32Detection of 3-Nitrotyrosine in Atmospheric Environments via a High-performance Liquid Chromatography-electrochemical Detector System
Published on: January 30, 2019
7.4K
08:41Integration of Miniaturized Solid Phase Extraction and LC-MS/MS Detection of 3-Nitrotyrosine in Human Urine for Clinical Applications
Published on: July 14, 2017
9.3K
