Predicting phosphorylation sites using machine learning by integrating the sequence, structure, and functional information of proteins.

Jamal, Salma; Ali, Waseem; Nagpal, Priya; Grover, Abhinav; Grover, Sonam

Jamal, Salma; Ali, Waseem; Nagpal, Priya; Grover, Abhinav; Grover, Sonam.

Afiliação

Jamal S; JH-Institute of Molecular Medicine, Jamia Hamdard, New Delhi, India.
Ali W; JH-Institute of Molecular Medicine, Jamia Hamdard, New Delhi, India.
Nagpal P; School of Biotechnology, Jawaharlal Nehru University, New Delhi, India.
Grover A; School of Biotechnology, Jawaharlal Nehru University, New Delhi, India. abhinavgr@gmail.com.
Grover S; JH-Institute of Molecular Medicine, Jamia Hamdard, New Delhi, India. sonamgbt@gmail.com.

J Transl Med ; 19(1): 218, 2021 05 24.

Article em En | MEDLINE | ID: mdl-34030700

Assuntos

Biologia Computacional; Aprendizado de Máquina; Sequência de Aminoácidos; Fosforilação; Proteínas

Palavras-chave

MRMR; Post-translational modification; Random forest; Support vector machine; Symmetrical uncertainty

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Biologia Computacional / Aprendizado de Máquina Tipo de estudo: Prognostic_studies / Risk_factors_studies Idioma: En Revista: J Transl Med Ano de publicação: 2021 Tipo de documento: Article País de afiliação: Índia

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google