24eTNZKd6a8S
Title:AdvancementinHumanFacePredictionUsingDNA DOI 10.3390/genes14010136 期刊 Genes 中科院分区：3区 影像因子：3.5↓0.641 作者 AamerAlshehhi;AliyaAlmarzooqi;KhadijaAlhammadi;NaoufelWerghi;G.K.Tay;etal 出版日期 2023-01-03 网址 https://www.mdpi.com/2073-4425/14/1/136/pdf?version=1673516981 摘要 识别影响面部...
Title:Proteinacetylationsiteswithcomplex-valuedpolynomialmodel 期刊：Frontiers of Computer Science 分区：3区 影像因子：4.2↑1.531 文章链接：https://doi.org/10.1007/s11704-023-2640-9 摘要 蛋白质乙酰化是指在蛋白质链上的赖氨酸残基上添加乙酰基(CH3CO-)的过程。赖氨酸乙酰化作为最常用的蛋白质翻译后修饰之一，在不同的生物体中发挥着重要的作用。在我们的研究中，我们开发了一种特定于人的方法，该方法使用复值多项式模型(CVPM...
标题 iLoc-lncRNA:predictthesubcellularlocationoflncRNAsbyincorporatingoctamercompositionintogeneralPseKNC DOI 10.1093/bioinformatics/bty508 期刊 Bioinformatics 影响因子 5.8↓1.131 中科院分区2区 作者 ZhixunSu;YanHuang;Zhao-YueZhang;YueZhao;DongWang;etal 出版日期 2018-06-21 网址 https://do...
标题 ThelncLocator:asubcellularlocalizationpredictorforlongnon-codingRNAsbasedonastackedensembleclassifier DOI 10.1093/bioinformatics/bty085 期刊 Bioinformatics 作者 ZhenCao;XiaoyongPan;YangYang;YanHuang;Hong-BinShen 出版日期 2018-02-15 网址 https://doi.org/10.1093/bioinformatics/b...
期刊：PeerJ 中科院分区：3区 影响因子：3.061 发布时间：2022.3.142. Web在线服务器：无 GirHub: GitHublisalikegaga/PhosVarDeep:adeep-learningmodelforphospho-variantpredictionusingsequenceinformation 目录 1.摘要 2.背景 3.数据集 4.方法 4.1 PhosVarDeep的连体构造 4.2 PhosFEN 4.3 CNNmodule 4.4 Predictionmodule 4.5 Train...
所属分类:SCI 生物 期刊名： JOURNALOFCOMPUTATIONALBIOLOGY 2021年影响因子/JCR分区：1.479/Q4 文章：DeepLearningofSequencePatternsforCCCTC-BindingFactor-MediatedChromatinLoopFormation|JournalofComputationalBiology 代码与数据集：GitHubBioDataLearning/DeepCTCFLoop:DeeplearningofCTCF-mediatedchromatinloopsin3Dgenome...
标题：4mC-RF:使用组成和位置相关特征和统计矩改进4mC位点的预测 期刊:ELSEVIER 文章链接：https://www.sciencedirect.com/science/article/abs/pii/S0003269721002864?via%3Dihub 一、摘要 预测4mc位点是基于序列的预测器，即4mc-RF。用于通过结合统计矩以及位置和组成依赖特征来识别4mC位点。计算基于相对和绝对位置的特征以提取最佳特征。 编辑 二、方法与数据集 数据集： C-Elegans：1554阳性样本，1554个阴性样本。 D-melanogaster：1769阳性样本，176...
期刊：Bioinformatics 中科院分区：1Q 影像因子：6.937 一、摘要 动机：表征药物-蛋白质相互作用对于药物发现的高通量筛选至关重要。基于深度学习的方法引起了人们的关注，因为它们无需人工试错即可预测药物蛋白质相互作用。然而，由于数据标记需要大量资源，可用的蛋白质数据量相对较小，从而降低了模型性能。在这里，我们提出了两种方法来构建深度学习框架，该框架在带有小标记数据集的情况下表现出卓越的性能。 结果：首先，我们使用迁移学习来编码蛋白质序列和预训练模型，该模型以无监督的方式训练一般序列表示。其次，我们使用贝叶斯神经网络通过估计数据的不确定性来制作稳健的模型。我们得到的模型在预测分...
论文解读：DeepSurf：一种基于表面的深度学习方法预测蛋白质上的配体结合位点 期刊：Bioinformatics 中科院分区;Q1 影像因子：6.937 发表日期：2021.6.20 代码与数据集：GitHubstemylonas/DeepSurf:Asurface-baseddeeplearningapproachforthepredictionofligandbindingsitesonproteins 一、摘要 背景：了解蛋白质上潜在的可药物结合部位是发现新药的重要的初步步骤，通过跟踪深度学习领域最近的重大进展并利用适当数据的日益增加的可用性，可以促进对这些领...
TItle:iDRNA-ITF:identifyingDNAandRNA-bindingresiduesinproteinsbasedoninductionandtransferframework 期刊：BriefingsinBioinformatics 分区：2区 影像因子：13.994 发表时间：2022.01.12 目录 1、摘要 2、数据集 3、方法 3.1特征提取 4、结果 5、结论 1、摘要 蛋白质-DNA和蛋白质-RNA的相互作用涉及许多生物活动。在后基因组时代，准确识别蛋白质序列中的DNA和RNA结合残基对于研究蛋白质功能和促...