生信
文章平均质量分 90
YZT8848
干就完了
展开
-
论文解读-DeepEdit:使用纳米孔直接RNA测序对A - to - I RNA编辑事件进行单分子检测和阶段划分
还是有点偏生物,计算机用的少原创 2023-09-17 16:05:39 · 286 阅读 · 0 评论 -
论文解读:PeSTo:用于精确预测蛋白质结合界面的无参数几何深度学习
组会论文研究的可能结合的比较多,数学,计算机,物理,生物,化学,数据集也很大,全跑完也很多论文跑了8天还是GPU,看来只有深度学习适合处理这样大数据集原创 2023-07-09 12:08:29 · 688 阅读 · 0 评论 -
论文解读:ExamPle:用于预测植物小分泌肽的可解释的深度学习框架
个人理解:对于小分泌肽的研究看数据集也是属于我们研究领域序列里面的一种,其中的难点在于二级结构的处理,还需要进一步的思考,能发这样好的期刊在于图与分析的描述,很多方面都需要我们学习,以上仅是个人拙见。原创 2023-06-13 20:43:57 · 625 阅读 · 1 评论 -
论文解读:GBPNet:蛋白质结构的通用几何表示学习
蛋白质3D结构的肯定不是我研究的啊,就方法害差不多,数据集,评价指标都不一样原创 2023-06-09 21:48:20 · 814 阅读 · 0 评论 -
论文解读:DELPHI:用于蛋白质相互作用位点预测的精确深度集成模型
DNA绑定蛋白不会做,首先数据处理就不会,前面还有一堆id随后是好几列序列。方法倒是很普通,又回归到机器学习,此外还没有画流程图。原创 2023-05-10 21:22:11 · 767 阅读 · 0 评论 -
论文解读:4mCBERT:基于集成学习策略,通过序列和化学衍生信息识别DNA n4 -甲基胞嘧啶位点的计算工具
首先构建了PCP特征和化学BERT特征,并将其应用于4mC位点预测,对识别4mC有积极贡献。对于MCC,4mCBERT在六个独立的基准数据集上显著优于其他最先进的模型,包括A.taliana, C.elegans, D.melanogaster, E.coli, G.Pickering和G.subterraneous。原创 2023-04-05 16:33:46 · 1008 阅读 · 0 评论 -
论文解读:通过可解释的集成深度学习学习蛋白质组范围内蛋白质-蛋白质结合位点的蛋白质语言
相互作用的还涉及到类似于绑定位点,有氨基酸的位置,有标签,还有判定是不是有着相互作用的氨基酸原创 2023-03-20 20:41:21 · 804 阅读 · 2 评论 -
论文解读HN-PPISP:一种基于MLP-Mixer的蛋白质-蛋白质相互作用位点预测混合网络
HN-PPISP: 这个蛋白质相互作用的不好做啊,数据处理是个很大的问题,好像是绑定位点,而且数据集不平衡,结果倒是不高,我怕是做不了。原创 2023-03-19 10:37:58 · 766 阅读 · 0 评论 -
论文解读:基于归一化CNN和过采样方法的蛋白质-蛋白质相互作用位点预测
PPI的预测也不好做了,考虑样本不平衡的问题也很重要。Protein-Protein Interaction Sites Prediction Using Batch Normalization Based CNNs and Oversampling Method Borderline-SMOTE原创 2023-03-17 11:50:05 · 556 阅读 · 0 评论 -
论文解读:基于MuLan-Methyl - Multiple transformer的精确DNA甲基化预测语言模型
现在文章更加注重数据预处理了原创 2023-03-14 16:28:49 · 537 阅读 · 3 评论 -
论文解读-HybridRNAbind:预测结构注释和无序注释蛋白质的RNA相互作用残基
模型看起来似乎不难,但分析这方面真的看的云山雾绕原创 2023-02-08 15:24:26 · 798 阅读 · 0 评论 -
论文解读:CLNN-loop:预测不同细胞系和CTCF结合位点 (CBS) 对类型中CTCF介导的染色质环的深度学习模型
打算组会讲解,做法比较常规,但是工作量很大,数据集也是做的不多,选择基于序列特征的方式与深度学习模型进行融合,但是数据集较多,此文常规方法已经是用尽了,要想提高可以试试bert之类的,或者aggmap原创 2022-10-05 16:43:31 · 1508 阅读 · 0 评论 -
论文解读:Sadeepcry:使用自我注意和自动编码器网络的蛋白质结晶倾向预测的深度学习框架
对于蛋白质结晶也是新的方向,本文作者对于前期工作做的很好,做了大量的实验,值得我们进一步深入研究学习原创 2022-09-17 16:33:06 · 860 阅读 · 0 评论 -
论文解读:PF磷酸:基于机器学习的磷酸化位点预测疟原虫蛋白的工具
比较难懂,如果想做需要多读,问题是也没有代码,具体的过程也没有,特征提取的方法也不明确,对于R包我也不是很了解原创 2022-09-09 16:54:07 · 579 阅读 · 0 评论 -
论文解读:ToxinPred2:一种预测蛋白质毒性的改进方法
本文结合了两种预测工具:BLAST、Motif;再结合传统的机器学习方法RF,将三种工具一起使用,在特征选择方面用了一个在线的web服务器Pfeature.AAC、SVC-F1、PSSM达到了比较好的结果。原创 2022-08-26 20:53:02 · 2106 阅读 · 0 评论 -
论文解读:基于迁移移学习的深卷积神经网络,用于从蛋白质主要序列预测与白血病相关的磷酸化位点
关于磷酸化位点的预测,但是没有数据集与代码,其方法与模型并不复杂有待考量。原创 2022-08-16 16:45:59 · 1179 阅读 · 0 评论 -
论文解读:Deep-4MCW2V:基于序列的预测指标,以鉴定大肠杆菌中的N4-甲基环胞嘧啶位点
迄今为止,已经参与了许多预测因子,以对4MC [17],4MCPRED [80],DNA4MC-LIP [20],Meta4MCpred [21],IDNA-MS [81]和DEEPTRORTS [82]等多种物种进行分类4MC位点。在提出的模型中,使用分布式嵌入式技术“ Word2Vec”对DNA序列进行编码,并使用10倍CV测试输入到CNN分类器中,并获得了最佳模型。对独立数据集的检查表明,我们的模型可以产生0.861的总体准确性,比现有模型高约4.3%。发布时间:2021年7月。...原创 2022-08-09 15:34:14 · 680 阅读 · 0 评论 -
论文解读:《EMDLP:RNA甲基化位点预测的合奏多尺度深度学习模型》
EMDLP: Ensemble multiscale deep learning model for RNA methylation site prediction期刊:BMC Bioinformatics中科院分区:3Q影响因子:3.307web网页:http://www.labiip.net/EMDLP/index.php (http://47. 104.130.81/EMDLP/index.php)Github:无1.摘要 背景:最近的研究建议,通过转录后RNA修饰进行表演转录组调节对于各种原创 2022-08-07 15:37:58 · 642 阅读 · 2 评论 -
论文翻译:《Phosvardeep:使用序列信息对磷酸变化的深度学习预测》
影响因子:3.061。Web在线服务器:无。原创 2022-08-06 09:28:12 · 481 阅读 · 0 评论 -
论文解读:多层肽 - 蛋白质相互作用预测的深度学习框架
我们从两个来源构建了一个基准数据集,即来自RCSBPDB21,22的蛋白质-肽复合物结构,以及来自Drugbank23-27的已知药物对接对(可以在补充注释10和相应的PDBID中找到更多数据策划的详细信息我们用于培训和测试的方法可以在补充数据的补充表12和13中找到。通常,AUPR可以提供一个更好的度量标准,以比AUC32更有信息的方式评估偏斜数据的预测模型。在这里,我们提出了一个深度学习框架,用于多级肽蛋白相互作用预测,称为CAMP,包括二进制肽-蛋白质相互作用预测和相应的肽结合残基鉴定。...翻译 2022-07-30 10:26:47 · 392 阅读 · 0 评论 -
论文翻译:《DeepTorrent:一种基于深度学习的方法,用于预测DNA N4-甲基环肽位点》
DNAN4-甲基胞嘧啶(4MC)是重要的表观遗传修饰,在调节DNA复制和表达中起着至关重要的作用。但是,通过实验方法检测4MC站点是一项挑战,这些方法耗时且昂贵。因此,可以识别4MC位点的计算工具对于理解这种重要类型的DNA修饰的机制非常有用。在过去的3年中,已经提出了一些基于机器学习的4MC预测指标,尽管它们的性能不令人满意。深度学习是开发更准确的4MC站点预测的一种有希望的技术。在这项工作中,我们提出了一种基于深度学习的方法,称为,以改善从DNA序列对4MC位点的预测。它结合了四个不同的特征编码和。..翻译 2022-07-29 16:33:07 · 324 阅读 · 3 评论 -
论文解读:《PST-PRNA:使用蛋白质表面地形和深度学习对RNA结合位点的预测》
PST-PRNA将蛋白质的分子表面投影到单位球体的表面上,并进一步将3D表面编码成类似图像的地形图。与我们以前的方法PRNA的比较表明,PST-PRNA学习蛋白质表面的潜在知识,并且较少依赖一级序列同一性。根据其所属的残基施加表面上的每个顶点。深度学习模型的输入是代表的地形,在目标区域附近具有不同的来源,如(e)所示。在本节中,我们进行了实验,以研究PST-PRNA在预测蛋白质的RNA结合残基中的性能。我们使用以前的基于序列的方法PRNA作为比较和探索序列身份分别如何影响基于结构和基于序列的模型的基线。..翻译 2022-07-27 15:27:21 · 572 阅读 · 0 评论 -
论文解读:《多层肽 - 蛋白质相互作用预测的深度学习框架》
期刊naturecommunications。影像因子17.694。翻译 2022-07-26 16:48:07 · 769 阅读 · 0 评论 -
论文解读:《Mouse4mC-BGRU:用于预测小鼠基因组中DNA N4-甲基胞嘧啶位点的深度学习》
在这里,我们提出了Mouse4mC-BGRU,这是一种先进的深度学习模型,它利用了基于双向门控递归单元(BGRU)的自适应嵌入。此外,我们使用dimreduction工具可视化了Mouse4mC-BGRU的训练过程,并直观地展示了我们模型的有效性,表明Mouse4mC-BGRU具有成为精确识别4mC位点的强大实用工具的巨大潜力。从max-pooling层获得表示后,我们将向量输入到完全连接的层,以计算序列是否是真实的4mCDNA甲基化位点的概率。与i4mC-Mouse相同的数据集。......翻译 2022-07-21 15:56:29 · 327 阅读 · 0 评论 -
Deep-4mCGP:一种使用基于相关性的特征选择技术预测pickeringii地杆菌中4mC位点的深度学习方法
在预期的模型中,两种特征描述符,即二进制和k-mer组成,用于编码pickeringii地质杆菌的DNA序列。通过使用基于相关性和梯度推进决策树(GBDT)的算法和增量特征选择(IFS)方法来优化从它们的融合中获得的特征。然后,将这些优化的特征插入到1D卷积神经网络(CNN)中,以将pickeringii地质杆菌中的4mC位点与非4mC位点进行分类。数据是构建基于机器学习的模型的重要要求。CNN的基本原理是创建丰富的过滤器,这些过滤器能够通过执行汇集过程和逐层卷积从数据中产生隐藏的拓扑特征。......翻译 2022-07-17 15:16:21 · 188 阅读 · 0 评论 -
论文解读:《Amy pred-FRL是一种通过使用特征表示学习来精确预测淀粉样蛋白的新方法》
~Title:AMYPred‑FRL is a novel approach for accurate prediction of amyloid proteins by using feature representation learning1 摘要 淀粉样蛋白具有形成不溶性原纤维聚集体的能力,该聚集体在许多组织中具有重要的致病作用。这种淀粉样变性病与常见疾病如二型糖尿病、阿尔茨海默病和帕金森病显著相关。淀粉样蛋白有很多种类型,有些蛋白在错误折叠状态下会形成淀粉样聚集体。很难识别这种淀粉样翻译 2022-07-16 15:27:18 · 553 阅读 · 1 评论 -
论文解读:iDRNA-ITF:基于诱导和转移框架识别蛋白质中的DNA和RNA结合残基
TItle:iDRNA-ITF: identifying DNA- and RNA-binding residues in proteins based on induction and transfer framework期刊:Briefings in Bioinformatics分区:2区影像因子:13.994发表时间:2022.01.12 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进新药设计和翻译 2022-07-10 15:14:57 · 224 阅读 · 0 评论 -
论文解读:《4mcPred-CNN—使用卷积神经网络预测小鼠基因组中的DNA N4-甲基胞嘧啶》
Title:4mCPred-CNN—Prediction of DNA N4-Methylcytosine in the Mouse Genome Using a Convolutional Neural Network期刊:genes分区/影响因子:Q2/4.096发表时间:2021.02.20网站: http://nsclbio.jbnu.ac.kr/tools/4mCPred-CNN一、摘要在DNA修饰中,N4-甲基胞嘧啶(4mC)是最重要的修饰之一,它与细胞增殖和基因表达的发翻译 2022-05-17 17:18:58 · 233 阅读 · 0 评论 -
Adapt-Kcr:基于学习嵌入特征和注意力架构的新型深度学习框架,用于精确预测赖氨酸(crotonylation)位点
Tirle:Adapt-Kcr: a novel deep learning framework for accurate prediction of lysine crotonylation sites based on learning embedding features and attention architecture期刊:Briefings in Bioinformatics分区\影响因子:Q1\11.622发表时间:2022年01月09日作者:南京农业大学理学院:陈媛媛和丛平翻译 2022-05-05 09:24:06 · 948 阅读 · 0 评论 -
ctP2ISP:使用卷积和数据增强的转换器预测蛋白质-蛋白质相互作用位点
Title:ctP2ISP: Protein–Protein Interaction Sites Prediction Using Convolution and Transformer with Data Augmentation期刊:IEEE-ACM Transactions on Computational Biology and Bioinformatics代码和数据集:GitHub - lennylv/ctP2ISP: The source code and datasets of pa.翻译 2022-05-02 09:14:40 · 385 阅读 · 0 评论 -
Detection of transcription factors binding to methylatedDNA by deep recurrent neural network
标题:用深度递归神经网络检测甲基化DNA结合的转录因子期刊:Briefings in Bioinformatics中科院分区/影像因子:Q2/11.622发表时间:2022.01.09服务器:HOME数据集:DOWNLOAD一、摘要 转录因子是特异性参与基因表达调控的蛋白质。表观遗传学普遍认为甲基化的核苷酸可以阻止转录因子与DNA片段结合。然而,最近的研究证实,一些转录因子具有与甲基化DNA片段相互作用的能力,从而进一步调节基因表达。尽管生物化学实验可以识别TFs与甲...翻译 2022-04-28 16:29:58 · 168 阅读 · 0 评论 -
PHR-search:一个基于预测蛋白质层次关系的蛋白质远程同源性检测搜索框
Title:PHR-search: a search framework for protein remote homology detection based on the predicted protein hierarchical relationships期刊:Briefings in Bioinformatics中科院分区/影像因子:发表时间:2022.1.13服务器:PHR-search web server数据集:PHR-search web server一、摘要蛋翻译 2022-04-27 15:39:45 · 627 阅读 · 0 评论 -
Protein–RNA interaction prediction with deep learning:structure matters
标题:利用深度学习预测蛋白质RNA相互作用:结构很重要期刊:Briefings in Bioinformatics中科院分区/影响因子:Q1/11.622发表时间:2022.1.19一、摘要 蛋白质RNA相互作用对多种细胞活动至关重要。实验和计算技术都已经发展到研究相互作用。由于以往数据库的限制,特别是蛋白质结构数据的缺乏,现有的大多数计算方法严重依赖于序列数据,只有一小部分方法利用了结构信息。最近,AlphaFold彻底改变了整个蛋白质和生物学领域。可以预见的是,蛋白质RN...翻译 2022-04-26 20:38:38 · 372 阅读 · 0 评论 -
论文翻译:《6mAPred-MSFF:基于多尺度特征融合机制预测跨物种DNA N6-甲基腺嘌呤位点的深度学习模型》
Title:6mAPred-MSFF: A Deep Learning Model for Predicting DNA N6-Methyladenine Sites across Species Based on a Multi-Scale Feature Fusion Mechanism期刊:applied sciences代码与数据集:一、摘要 开发了一种新的计算预测器,即6mAPred-MSFF,这是一种基于多尺度特征融合机制的深度学习框架,用于识别不同物种的6mA位...翻译 2022-04-24 15:51:43 · 501 阅读 · 0 评论 -
DCNN-4mC: Densely connected neural network basedN4-methylcytosine site prediction in multiple speci
DCNN-4mC:基于密集连接神经网络的多物种N4-甲基胞嘧啶位点预测期刊:ELSEVIER论文链接:https://www.sciencedirect.com/science/article/pii/S2001037021004566?via%3Dihub代码与数据集:没有,结果有待考证一、摘要这篇文章设计出了一种,基于神经网络的工具,命名为为DCNN-4mc,用于识别4mc位点。模型包括彝族具有跳跃链接的神经网络层,其允许与密集层共享浅层特征。跳过连接允许收集关于4mC站点关键信息。翻译 2022-04-23 15:55:14 · 193 阅读 · 0 评论 -
4mC-RF: Improving the prediction of 4mC sites using composition and position relative features and
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4 mC位点。计算基于相对和绝对位置的特征以提取最佳特征。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,1769阴性样本。E-coli:388个阳性样本,388个阴性样本。Geobacter翻译 2022-04-23 14:47:47 · 89 阅读 · 0 评论 -
iRNA-m5C_NB: A Novel Predictor to Identify RNA5-Methylcytosine Sites Based on theNaive Bayes Class
RNA m5C修饰在肿瘤转移中的作用期刊:International Journal of Biological Sciences影响因子/分区:6.580/Q2一、摘要表观遗传修饰在真核细胞的生物学过程中起着至关重要的调节作用。DNA和RNA甲基化的最新表征仍在进行中。肿瘤转移一直是抗癌斗争中不可克服的特征。作为表观遗传调控网络的一个不可避免的组成部分,5-甲基胞嘧啶与多种细胞过程和系统性疾病有关,包括细胞迁移和癌症转移。...翻译 2022-04-22 17:24:38 · 317 阅读 · 0 评论 -
m5CPred‑SVM: a novel method for predicting m5C sites of RNA
论文翻译:SVM:一种预测RNA m5C位点的新方法期刊名: BMC BIOINFORMATICS中科院分区\影像因子: 2Q/3.169网站: https ://zhula b.ahu.edu.cn/m5CPr ed-SVM数据集链接:GEO Accession viewer一、摘要背景:5-胞嘧啶甲基化作为RNA中最常见的转录后修饰(PTCM)之一,在RNA代谢和细胞命运决定等许多生物学功能中发挥重要作用。通过精确识别RNA上的5-甲基胞嘧啶(m5C)位点,研究人员可以更好地了解翻译 2022-04-22 10:29:59 · 457 阅读 · 0 评论 -
Neuron segmentation using 3D wavelet integratedencoder–decoder network
题目:基于三维小波集成编解码网络的神经元分割期刊:Bioinformatics,翻译 2022-04-18 21:18:02 · 236 阅读 · 0 评论 -
Bayesian neural network with pretrained proteinembedding enhances prediction accuracy ofdrug-prote
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转载 2022-04-17 17:17:12 · 173 阅读 · 0 评论