排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
为了实现在P.stipitis中进行无痕基因敲除,以Cre/LoxP系统为研究对象,首先通过同源重组构建尿嘧啶营养缺陷型树干毕赤酵母(ura3-);同时通过定点突变pSH47-Hpt质粒的hpt基因和cre基因,将CDS区CTG突变为TTG;最后以乙醛脱氢酶基因为靶基因,验证突变后的Cre/LoxP系统在P.stipitis进行无痕基因敲除的可行性。结果表明:本文在P.stipitis中成功使用潮霉素B抗性标记,经过修饰后的Cre/LoxP敲除系统能够在P.stipitis中无痕敲除目的基因,为后续研究P.stipitis功能基因和改造代谢途径提供了一种试验方法和筛选标记。 相似文献
4.
集成改进KNN算法预测蛋白质亚细胞定位 总被引:1,自引:0,他引:1
基于Adaboost算法对多个相似性比对K最近邻(K-nearest neighbor,KNN)分类器集成实现蛋白质的亚细胞定位预测。相似性比对KNN算法分别以氨基酸组成、二肽、伪氨基酸组成为蛋白序列特征,在KNN的决策阶段使用Blast比对决定蛋白质的亚细胞定位。在Jackknife检验下,Adaboost集成分类算法提取3种蛋白序列特征,3种特征在数据集CH317和Gram1253的最高预测成功率分别为92.4%和93.1%。结果表明Adaboost集成改进KNN分类预测方法是一种有效的蛋白质亚细胞定位预测方法。 相似文献
5.
相似性比对预测蛋白质亚细胞区间 总被引:1,自引:0,他引:1
【目的】对蛋白质所属的亚细胞区间进行预测,为进一步研究蛋白质的生物学功能提供基础。【方法】以蛋白质序列的氨基酸组成、二肽、伪氨基酸组成作为序列特征,用BLAST比对改进K最近邻分类算法(K-nearest neighbor,KNN)实现蛋白序列所属亚细胞区间预测。【结果】在Jackknife检验下,数据集CH317三种特征的成功率分别为91.5%、91.5%和89.3%,数据集ZD98成功率分别为93.9%、92.9%和89.8%。【结论】BLAST比对改进KNN算法是预测蛋白质亚细胞区间的一种有效方法。 相似文献
1