SSE-Net:一个基于Camellia sinensis lysine乙化识别序列空间方程的新型网络
Lichao Zhang1, Xue Wang2, Ge Gao2
1School of Mathematics and Statistics, Northeastern University at Qinhuangdao, Qinhuangdao, PR China; Hebei Innovation Center for Smart Perception and Applied Technology of Agricultural Data, Qinhuangdao, PR China.
Computational biology and chemistry
|April 2, 2025
概括
研究人员开发了一种新的数学公式,即序列空间方程 (SSE),用于绘制3D空间中的氨基酸位置. 这种方法有效地识别了Camellia sinensis中的lysine乙化位点,提高了生物研究的准确性.
科学领域:
- 生物化学和分子生物学
- 生物信息学是一种生物信息学.
- 植物科学 植物科学
背景情况:
- 氨酸乙化 (Kace) 是一个关键的翻译后修饰调节细胞功能.
- 识别Kace位点对于理解植物中的调节机制至关重要,特别是Camellia sinensis.
研究的目的:
- 开发一种新的计算方法,用于识别Camellia sinensis.中的lysine乙化位点.
- 代表氨基酸的空间结构信息,以改进Kace站点预测.
主要方法:
- 定义了一个数学公式,序列空间方程 (SSE),以赋予氨基酸3D坐标.
- 建立了一个可选的网络,SSE-Net,基于SSE来捕捉空间结构.
- 利用SSE-Net的集中度指标来设计结构特征向量.
- 开发了一个分类器,SSE-ET,使用最佳特征进行Kace站点预测.
主要成果:
- 与其他分类器相比,SSE-ET模型表现出卓越的性能.
- 在各种机器学习算法中实现了0.7以上的马修斯相关系数 (MCC) 值,验证了SSE-Net的有效性.
- 简单地说,SSE-ET显著优于现有模型,其中一个指标 (SN) 显示了近20%的改善.
结论:
- 拟议的SSE是一个有价值的数学概念,用于在Camellia sinensis中表示3D空间Kace站点信息.
- SSE-Net 作为一个有效的工具来代表 Kace 站点,并可以补充现有的生物学和生物信息学研究.
