本發明公開了一種識別酪氨酸翻譯后修飾位點的預測算法,包括步驟:數據收集;數據處理;特征編碼;特征優化;模型訓練與評估。本發明還公開了一種預測算法的應用。從蛋白質序列信息、進化信息和物理化學屬性角度全面提取酪氨酸翻譯后修飾位點的特征,以Elastic?Net為優化手段自動選取變量對多維特征進行篩選,去除冗余信息,且結合SVM構建酪氨酸硝基化、硫化和磷酸化位點預測模型,提升預測模型的預測能力,顯著提高酪氨酸翻譯后修飾位點的預測質量。開發的預測軟件平臺TyrPred實現了對完整蛋白質上酪氨酸硝基化、硫化和磷酸化三種修飾位點的預測分析,為酪氨酸翻譯后修飾的研究提供方便、經濟、快捷的研究工具和重要參考。
聲明:
“識別酪氨酸翻譯后修飾位點的預測算法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)