論文の概要: A Brief Review of Machine Learning Techniques for Protein Phosphorylation Sites Prediction

• arxiv url: http://arxiv.org/abs/2108.04951v1
• Date: Tue, 10 Aug 2021 22:23:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 13:18:39.867386
• Title: A Brief Review of Machine Learning Techniques for Protein Phosphorylation Sites Prediction
• Title（参考訳）: タンパク質リン酸化サイト予測のための機械学習技術の概要
• Authors: Farzaneh Esmaili, Mahdi Pourmirzaei, Shahin Ramazi, Elham Yavari
• Abstract要約: 可逆的翻訳後修飾 (Reversible Post-Translational Modifications, PTMs) は、タンパク質の機能的多様性を拡大する上で重要な役割を持つ。 PTMは、様々な細胞プロセスを制御するために利用される重要な分子制御機構として発生してきた。 この修飾の障害は、神経疾患やがんを含む複数の疾患によって引き起こされることがある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reversible Post-Translational Modifications (PTMs) have vital roles in extending the functional diversity of proteins and effect meaningfully the regulation of protein functions in prokaryotic and eukaryotic organisms. PTMs have happened as crucial molecular regulatory mechanisms that are utilized to regulate diverse cellular processes. Nevertheless, among the most well-studied PTMs can say mainly types of proteins are containing phosphorylation and significant roles in many biological processes. Disorder in this modification can be caused by multiple diseases including neurological disorders and cancers. Therefore, it is necessary to predict the phosphorylation of target residues in an uncharacterized amino acid sequence. Most experimental techniques for predicting phosphorylation are time-consuming, costly, and error-prone. By the way, computational methods have replaced these techniques. These days, a vast amount of phosphorylation data is publicly accessible through many online databases. In this study, at first, all datasets of PTMs that include phosphorylation sites (p-sites) were comprehensively reviewed. Furthermore, we showed that there are basically two main approaches for phosphorylation prediction by machine learning: End-to-End and conventional. We gave an overview for both of them. Also, we introduced 15 important feature extraction techniques which mostly have been used for conventional machine learning methods
• Abstract（参考訳）: 可逆的翻訳後修飾 (Reversible Post-Translational Modifications, PTMs) はタンパク質の機能的多様性を拡大し、真核生物や真核生物のタンパク質機能の調節に重要な役割を果たす。 PTMは、様々な細胞プロセスを制御するために利用される重要な分子制御機構として発生してきた。 しかしながら、最もよく研究されているPTMのうち、主にタンパク質の種類はリン酸化を含み、多くの生物学的プロセスにおいて重要な役割を担っている。 この修飾の障害は、神経疾患やがんを含む複数の疾患によって引き起こされる。 したがって、未キャラクタリゼーションアミノ酸配列における標的残基のリン酸化を予測する必要がある。 リン酸化を予測するためのほとんどの実験技術は、時間消費、コスト、エラーが発生しやすい。 ところで、これらの手法は計算手法に取って代わられた。 近年、大量のリン酸化データが多くのオンラインデータベースから公開されている。 本研究では,まず,リン酸化部位 (p-sites) を含むPTMの全データセットを網羅的にレビューした。 さらに,機械学習によるリン酸化予測には,基本的に2つの主要なアプローチがあることを示した。 私たちは両者の概要を説明した。 また,従来の機械学習手法を中心に,重要な特徴抽出手法を15種類導入した。

関連論文リスト

• MeToken: Uniform Micro-environment Token Boosts Post-Translational Modification Prediction [65.33218256339151]
  翻訳後修飾(PTM)はプロテオームの複雑さと機能を大幅に拡張する。 既存の計算手法は主に、配列依存的なモチーフの認識によって引き起こされる、PTM部位を予測するタンパク質配列に焦点を当てている。 本稿では,各酸のマイクロ環境をトークン化し,シーケンス情報と構造情報を統一された離散トークンに統合するMeTokenモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-04T07:14:28Z)
• NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics [58.03989832372747]
  Emphde novoペプチドシークエンシングのための初となるNovoBenchベンチマークを報告する。 多様な質量スペクトルデータ、統合モデル、総合的な評価指標から構成される。 DeepNovo、PointNovo、Casanovo、InstaNovo、AdaNovo、$pi$-HelixNovoといった最近の手法が私たちのフレームワークに統合されています。
  論文  参考訳（メタデータ） (2024-06-16T08:23:21Z)
• ProLLM: Protein Chain-of-Thoughts Enhanced LLM for Protein-Protein Interaction Prediction [54.132290875513405]
  タンパク質-タンパク質相互作用(PPI)の予測は、生物学的機能や疾患を理解する上で重要である。 PPI予測に対する従来の機械学習アプローチは、主に直接的な物理的相互作用に焦点を当てていた。 PPIに適したLLMを用いた新しいフレームワークProLLMを提案する。
  論文  参考訳（メタデータ） (2024-03-30T05:32:42Z)
• MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction Prediction via Microenvironment-Aware Protein Embedding [82.31506767274841]
  タンパク質-プロテイン相互作用(PPI)は、様々な生物学的過程において基本的であり、生命活動において重要な役割を果たしている。 MPAE-PPIは、十分に大きな「語彙」を介して、マイクロ環境を化学的に意味のある離散コードに符号化する MPAE-PPIは、数百万のPPIでPPI予測にスケールでき、有効性と計算効率のトレードオフが優れている。
  論文  参考訳（メタデータ） (2024-02-22T09:04:41Z)
• Efficiently Predicting Protein Stability Changes Upon Single-point Mutation with Large Language Models [51.57843608615827]
  タンパク質の熱安定性を正確に予測する能力は、様々なサブフィールドや生化学への応用において重要である。 タンパク質配列と構造的特徴を統合したESMによる効率的なアプローチを導入し, 単一点突然変異によるタンパク質の熱安定性変化を予測する。
  論文  参考訳（メタデータ） (2023-12-07T03:25:49Z)
• PTransIPs: Identification of phosphorylation sites enhanced by protein PLM embeddings [2.971764950146918]
  我々は,リン酸化部位の同定のための新しいディープラーニングフレームワークであるPTransIPsを開発した。 PTransIPsは既存のSOTA法より優れており、AUCは0.9232と0.9660である。
  論文  参考訳（メタデータ） (2023-08-08T07:50:38Z)
• AmorProt: Amino Acid Molecular Fingerprints Repurposing based Protein Fingerprint [0.0]
  そこで本研究では,AmorProt型タンパク質 (AmorProt型タンパク質) を精製するアミノ酸分子指紋を提案する。 木に基づく機械学習と人工ニューラルネットワークモデルの性能を比較した。 その結果、現在のタンパク質表現法は、タンパク質に関連する様々な分野に適用できることが判明した。
  論文  参考訳（メタデータ） (2023-03-27T23:57:47Z)
• Deep Learning Methods for Protein Family Classification on PDB Sequencing Data [0.0]
  本稿では,新たな双方向LSTMや畳み込みモデルなどのディープラーニングフレームワークの性能を,広く利用可能なシークエンシングデータ上で実証し比較する。 我々のディープラーニングモデルは従来の機械学習手法よりも優れた性能を示し、畳み込みアーキテクチャは最も印象的な推論性能を提供する。
  論文  参考訳（メタデータ） (2022-07-14T06:11:32Z)
• Using Genetic Programming to Predict and Optimize Protein Function [65.25258357832584]
  我々は,進化的手法に基づく遺伝的プログラミングツールPOETを提案し,方向性進化におけるスクリーニングと変異原性を高める。 概念実証として, 化学交換飽和移動機構によって検出されたMRIコントラストを生成するペプチドを用いる。 以上の結果から,POETのような計算モデリングツールは,従来よりも400%優れた機能性を持つペプチドを見つけるのに有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-02-08T18:08:08Z)
• Multimodal Pre-Training Model for Sequence-based Prediction of Protein-Protein Interaction [7.022012579173686]
  タンパク質モデルによる効果的な表現の学習は、タンパク質とタンパク質の相互作用において重要である。 PPIの事前学習モデルのほとんどは配列ベースであり、自然言語処理で使用される言語モデルをアミノ酸配列に導入している。 本稿では, 配列, 構造, 機能という3つのモーダル性を持つマルチモーダルタンパク質事前学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-09T10:21:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。