KELMPSP:基于核极限学习机的假尿苷修饰位点识别

假尿苷(ψ)是RNA序列中的一种化学修饰,其在基因转录过程中,由酶的催化作用而形成。它是目前所发现为数最多的一种RNA修饰,并且在正常行使生物学功能方面扮演着重要角色。因此,假尿苷修饰位点的识别是一个非常重要的研究领域。随着RNA序列数据的急速增长,基于机器学习识别假尿苷位点的方法相继提出,但其识别精度有待提高。因此,本文提出了一个新的融合核苷酸化学性质、核苷酸浓度和位置特异性的单核苷酸、双核苷酸、三核苷酸偏好特征的序列编码方式,并基于此编码方式和核极限学习机（Kernel Extreme Learning Machine, KELM）算法,构建了一个新的假尿苷位点预测器,该预测器被称为“KELMPSP”。通过Jackknife测试和独立数据集测试表明,KELMPSP明显优于现有的假尿苷位点预测器。KELMPSP可以通过网站：http://39.10577.161:8890/KELMPSP进行使用。     

DNA4mcEL:基于核苷酸信息特征计算分析与预测DNA N~4-甲基胞嘧啶位点

N~4-甲基胞嘧啶(N~4-methylcytosine,4mC)是一种重要的表观遗传修饰,在DNA的修复、表达和复制中发挥重要作用。准确鉴定4mC位点有助于深入研究其生物学功能和机制,由于4mC位点的实验鉴定即耗时又昂贵,特别是考虑到基因序列的快速积累,迫切需要补充有效的计算方法。因此,提供一个快速、准确的4mC位点在线预测平台十分必要。目前,还未见对构建必要的预测模型所需的不同特征的机器学习(machine learning,ML)方法进行全面的分析和评估。我们构建多组特征集,并且采用5种ML方法 (如随机森林,支持向量机,集成学习等),提出一种称为"DNA4mcEL"的预测方法。在随机10折交叉验证测试下与现有的预测器相比,DNA4mcEL预测C. elegans、D. melanogaster、A. thaliana、E. coli、G. subterraneus、G. pickeringii 6个物种的精度均有提高。基于本方法的预测器DNA4mcEL在这项任务中显著优于现有的预测器。我们希望通过这个综合调查和建立更准确模型的策略,可以作为激发N~4-甲基胞嘧啶预测计算方法未来发展的有用指南,加快新N~4-甲基胞嘧啶的发现。DNA4mcEL的独立版本可以从https://github.com/kukuky00/DNA4mcEL.git免费获得。     

DNA4mcEL：基于核苷酸信息特征计算分析与预测

N⁴-甲基胞嘧啶(N4-methylcytosine, 4mC)是一种重要的表观遗传修饰,在DNA的修复、表达和复制中发挥重要作用。准确鉴定4mC位点有助于深入研究其生物学功能和机制,由于4mC位点的实验鉴定即耗时又昂贵,特别是考虑到基因序列的快速积累,迫切需要补充有效的计算方法。因此,提供一个快速、准确的4mC位点在线预测平台十分必要。目前,还未见对构建必要的预测模型所需的不同特征的机器学习（machine learning, ML）方法进行全面的分析和评估。我们构建多组特征集,并且采用5种ML方法（如随机森林,支持向量机,集成学习等）,提出一种称为“DNA4mcEL”的预测方法。在随机10折交叉验证测试下与现有的预测器相比,DNA4mcEL预测C. elegans、D. melanogaster、A. thaliana、E. coli、G. subterraneus、G. pickeringii 6个物种的精度均有提高。基于本方法的预测器DNA4mcEL在这项任务中显著优于现有的预测器。我们希望通过这个综合调查和建立更准确模型的策略,可以作为激发N⁴-甲基胞嘧啶预测计算方法未来发展的有用指南,加快新N⁴-甲基胞嘧啶的发现。DNA4mcEL的独立版本可以从https://github.com/kukuky00/DNA4mcEL.git免费获得。