Predicting Post-Translational Modifications from Local Sequence Fragments Using Machine Learning Algorithms: Overview and Best Practices.

Tatjewski, Marcin; Kierczak, Marcin; Plewczynski, Dariusz

Tatjewski, Marcin; Kierczak, Marcin; Plewczynski, Dariusz.

Afiliação

Tatjewski M; Institute of Computer Science, Polish Academy of Sciences, Warsaw, Poland.
Kierczak M; Centre of New Technologies, University of Warsaw, S. Banacha 2c, 02-097, Warsaw, Poland.
Plewczynski D; Science for Life Laboratory, Department of Medical Biochemistry and Microbiology, Uppsala University, Uppsala, Sweden.

Methods Mol Biol ; 1484: 275-300, 2017.

Article em En | MEDLINE | ID: mdl-27787833

Assuntos

Biologia Computacional/métodos; Processamento de Proteína Pós-Traducional/genética; Proteínas/química; Software; Algoritmos; Sequência de Aminoácidos/genética; Aprendizado de Máquina; Proteínas/genética; Análise de Sequência de Proteína

Palavras-chave

Class imbalance; Cross-validation; Feature extraction; Feature selection; Phosphorylation

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Software / Proteínas / Processamento de Proteína Pós-Traducional / Biologia Computacional Tipo de estudo: Guideline / Prognostic_studies / Risk_factors_studies Idioma: En Revista: Methods Mol Biol Assunto da revista: BIOLOGIA MOLECULAR Ano de publicação: 2017 Tipo de documento: Article País de afiliação: Polônia

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google