在2020年,已经建立了一个非常强大的web服务器预测器,用于仅基于序列信息识别人类蛋白质的亚细胞定位[1],其中相同的蛋白质可能在两个或多个位置位点之间发生或移动,因此需要使用多标签方法进行标记[2]。
web服务器预测器称为“pLoc_Deep-mVirus”,其中“Deep”表示web服务器已通过“深度学习”技术得到进一步改进[3-6],“m”表示能够处理多标签系统的能力。要了解web服务器是如何工作的,请执行以下操作。
步骤1。单击http://www.jci-bioinfo.cn/pLoc_Deep-mVirus/上的链接,pLoc_bal-mVirus web服务器的首页将出现在计算机屏幕上,如图1所示。点击给我读按钮以查看有关预测器的简要介绍。
图1所示。pLoc_bal-mVirus web服务器
步骤2。键入或复制/粘贴查询人类蛋白质的序列到图1中心的输入框中。输入序列应采用FASTA格式。有关FASTA格式序列的示例,请单击例子输入框上方的按钮。
步骤3。点击提交按钮查看预测结果。例如,如果你用四个蛋白质序列例子窗口作为输入,大约10秒后,您将看到出现一个新屏幕(图2)。在其上部列出了当前预测器所覆盖的从(1)到(6)编号的亚细胞位置的名称。其下部为预测结果:例1的查询蛋白P01115对应“2”,即仅属于“宿主细胞膜”;例2的查询蛋白P03495对应“4,5”,即属于“寄主细胞质”和“寄主细胞核”;例3的查询蛋白P89873对应“4,5,6”,即属于“宿主细胞质”、“宿主细胞核”和“分泌”。这些结果与实验观察完全一致。
图2。继续测试
步骤4。如图2的下面板所示,您还可以通过输入您的电子邮件地址和所需的批处理输入文件(当然是FASTA格式)来选择批处理预测浏览按钮。要查看批处理输入文件的示例,请单击该按钮批量示例。点击按钮后Batch-submit,您将看到“批处理作业正在计算中;一旦结果出来,我们会通过电子邮件通知你。”
步骤5。点击引用按钮,查找在开发当前pLoc_Deep-mVirus预测器中发挥关键作用的论文。
步骤6。点击“支持信息”按钮下载本文中提到的支持信息。
- 邵玉涛,程鑫,周克成(2020)pLoc_Deep-mVirus:基于深度学习分子治疗-核酸(MTNA)预测病毒蛋白亚细胞定位的CNN模型,已发表。
- 周克成(2019)多标记蛋白亚细胞定位预测及其对多靶点药物开发的意义。当代医学化学26日:4918 - 4943。(Crossref]
- Maxwell A,李锐,杨波,翁红,欧A等。(2017)基于深度学习的多标签智能健康风险预测分类体系结构。BMC生物信息学18: 523。(Crossref]
- Khan S, Khan M, Iqbal N, Hussain T, Khan SA等。(2019)基于Chou五步规则的深度学习算法识别piRNA及其功能的两层计算模型。人类遗传学26日:795 - 809。
- Nazari I, Tahir M, Tayari H, Chong KT, iN6-Methyl(5步):基于Chou的5步规则和Chou的一般PseKNC的深度学习模式识别RNA n6 -甲基腺苷位点。化学计量学和智能实验室系统193: 103811。
- 朱可明,李建军,李建军,李建军。(2019)iRSpot-SPI:基于周五步规则和伪成分结合二级序列信息的重组斑点预测。化学计量学和智能实验室系统189: 169 - 180。
编辑信息
主编
彰Sugawara
东北大学医学院
文章类型
病例报告
出版的历史
收稿日期:2020年5月21日
录用日期:2020年6月2日
发布日期:2020年6月5日
版权
©2020 Chou KC(2020)这是一篇根据知识共享署名许可条款发布的开放获取文章,在注明原作者和来源的情况下,允许在任何媒体上不受限制地使用、分发和复制。
引用
Chou KC(2020)展示了web服务器pLoc_Deep-mVirus是如何工作的。临床试验6:doi: 10.15761/CRT.1000310
相应的作者
Kuo-Chen周
戈登生命科学研究所,马萨诸塞州波士顿02478
电子邮件:bhuvaneswari.bibleraaj@uhsm.nhs.uk