高欣课题组提出一种基于深度学习的RNA-蛋白质结合偏好预测方法-NucleicNet。该方法基于特征向量,将蛋白质表面结构的局部理化特性编码为高维度的输入向量,使用ResNet提取特征,最后利用多层分类器预测出蛋白质表面各点与RNA组分的结合偏好。实验结果显示其能有效预测RNA结合位点和结合偏好,在MCC的指标下优于目前最先进的模型。
蛋白ID:就是预测到的蛋白,点击会进入到UniProt网站的相应蛋白页面。 RNA ID:就是我们输入的RNA,点击会显示该RNA的序列。 交互倾向:一种蛋白质(或区域)和一个RNA(或区域)之间相互作用概率的度量。 Z值:基于相互作用倾向的平均值和相对于RNA长度的西格玛的动态Z评分归化。 交互矩阵:以热图的形式显示预测相互作用的...
其一,HydRA 能够快速预测某个蛋白质是否是 RNA 结合蛋白,以及是否参与其他基因的转录调控,从而帮助确定那些与疾病相关的基因,进而厘清在致病过程中的具体机制。 其二,HydRA 可以快速预测某个 RNA 结合蛋白的功能区域。在目前已知的 RNA 结合蛋白中,对于其中一半以上的蛋白,人们并不知道它们到底通过哪些结构域或位点,来...
今天要给大家介绍的预测网站是catRAPID,一个功能非常强大和全面的RNA-蛋白结合预测网站,由西班牙的Center for Genomic Regulation的Tartaglia Lab研发,通过综合二级结构、氢键和范德瓦尔斯的贡献,可以较准确地预测RNA-蛋白结合(能够预测出NPinter 数据库中89% 的ncRNA-protein 相互作用)。 网址: http://service.tartagliala...
RBPsuite首先将输入的RNA序列分割为101个核苷酸的片段,并对片段与RBP之间的相互作用进行评分。RBPsuite进一步检测结合片段上已验证的基序,从而给出沿全长序列的结合得分分布。对于线性RNA,RBPsuite使用iDeepS来预测它们与RBP的结合分数;对于环状RNA(circRNA),RBPsuite使用CRIP预测它们与RBP的结合分数。
LncRNA与蛋白RNP结合预测 1.3.4LncRNA与蛋白RNP结合预测 长链非编码RNAs(long non-coding RNAs,lncRNAs)在表观遗传、转录和转录后水平上调控基因表达中起着重要作用,能够通过多种机制,包括遗传印记、染色质重塑、剪切调控、mRNA降解和翻译调控确定lncRNAs的功能,探索lncRNAs的主要工具包括微阵列、RNA测序(RNA-seq)、...
RNA-蛋白结合预测数据库 “老板给了我一个RNA,让我找直接作用机制,我该这么办?” “先用catRAPID数据库看一下与它结合的蛋白吧!” “这个数据库怎么用啊?” “看这里呀!” catRAPID数据库(http://service.tartaglialab.com/page/catrapid_group)的开发者来...
RNA及RNA结合蛋白之间的相互作用在基因调控中扮演着重要角色.许多预测RNA-蛋白质结合位点的深度学习方法陆续提出.目前多数研究没有将RNA结合蛋白作为模型输入,限制了深度学习模型的规模.对此问题,提出一个带有RNA结合蛋白输入的深度学习模型,通过扩大训练集的规模挖掘RNA-蛋白质结合位点的公共知识.模型将RNA序列先后经过...
RNA-蛋白结合预测数据库 “老板给了我一个RNA,让我找直接作用机制,我该这么办?” “先用catRAPID数据库看一下与它结合的蛋白吧!” “这个数据库怎么用啊?” “看这里呀!” catRAPID数据库(http://service./page/catrapid_group)的开发者来自西班牙的 Universitat Pompeu Fabra,数据库相关文章(PMID: 21623348)于...