[發明專利]一種蛋白質翻譯后修飾結合位點預測算法在審
| 申請號： | 202010716820.6 | 申請日： | 2020-07-23 |
| 公開（公告）號： | CN111899785A | 公開（公告）日： | 2020-11-06 |
| 發明（設計）人： | 楊雯懿;黃建華 | 申請（專利權）人： | 中南大學 |
| 主分類號： | G16B15/30 | 分類號： | G16B15/30;G16B20/30;G16B40/00;G16B45/00;G16B50/00 |
| 代理公司： | 重慶天成卓越專利代理事務所(普通合伙) 50240 | 代理人： | 譚春艷 |
| 地址： | 410083*** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 蛋白質 翻譯 修飾 結合 預測 算法 | ||
【權利要求書】：
1.一種蛋白質翻譯后修飾結合位點預測算法，其特征在于：從UniProtKB/Swiss-Prot、Pubmed和PDB等數據庫搜集整理相關GPCR的翻譯后修飾位點信息，利用滑動窗口技術，分別構建GPCR的磷酸化、泛素化、糖基化和硝基化等翻譯后修飾位點的正負樣本訓練集、測試集。
2.根據權利要求1所述構建GPCR的磷酸化、泛素化、糖基化和硝基化等翻譯后修飾位點的正負樣本訓練集、測試集，其特征在于：融合GPCR的結構信息、序列信息以及氨基酸的物理化學性質，再對GPCR翻譯后修飾位點特征進行提取，合理利用GPCR高度保守的七次跨膜螺旋結構描述修飾位點建立特征表達新方法。
3.根據權利要求2所述修飾位點建立特征表達新方法，其特征在于：利用支持向量機(SVM)、k-近鄰法(KNN)和隨機森林(RF)等機器學習方法的分類內涵，結合修飾位點特征表達新方法，構建GPCR各種蛋白翻譯后修飾位點的識別模型。
4.根據權利要求3所述構建GPCR各種蛋白翻譯后修飾位點的識別模型，其特征在于：整合多類蛋白質翻譯后修飾位點信息，構建相應數據庫；在此基礎上，建立GPCR蛋白不同修飾位點之間的相互作用、協調網絡，系統分析不同修飾方式之間的相互作用及修飾調控機制。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中南大學，未經中南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010716820.6/1.html，轉載請聲明來源鉆瓜專利網。
