本发明公开了一种识别酪氨酸翻译后修饰位点的预测算法,包括步骤:数据收集;数据处理;特征编码;特征优化;模型训练与评估。本发明还公开了一种预测算法的应用。从蛋白质序列信息、进化信息和物理化学属性角度全面提取酪氨酸翻译后修饰位点的特征,以Elastic Net为优化手段自动选取变量对多维特征进行筛选,去除冗余信息,且结合SVM构建酪氨酸硝基化、硫化和磷酸化位点预测模型,提升预测模型的预测能力,显著提高酪氨酸翻译后修饰位点的预测质量。开发的预测软件平台TyrPred实现了对完整蛋白质上酪氨酸硝基化、硫化和磷酸化三种修饰位点的预测分析,为酪氨酸翻译后修饰的研究提供方便、经济、快捷的研究工具和重要参考。
声明:
“识别酪氨酸翻译后修饰位点的预测算法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)