Indiziert in
- Datenbank für wissenschaftliche Zeitschriften
- Öffnen Sie das J-Tor
- Genamics JournalSeek
- JournalTOCs
- Forschungsbibel
- Ulrichs Zeitschriftenverzeichnis
- Elektronische Zeitschriftenbibliothek
- RefSeek
- Hamdard-Universität
- EBSCO AZ
- OCLC – WorldCat
- Gelehrtersteer
- SWB Online-Katalog
- Virtuelle Bibliothek für Biologie (vifabio)
- Publons
- MIAR
- Genfer Stiftung für medizinische Ausbildung und Forschung
- Euro-Pub
- Google Scholar
Nützliche Links
Teile diese Seite
Zeitschriftenflyer
Open-Access-Zeitschriften
- Allgemeine Wissenschaft
- Biochemie
- Bioinformatik und Systembiologie
- Chemie
- Genetik und Molekularbiologie
- Immunologie und Mikrobiologie
- Klinische Wissenschaften
- Krankenpflege und Gesundheitsfürsorge
- Landwirtschaft und Aquakultur
- Lebensmittel & Ernährung
- Maschinenbau
- Materialwissenschaften
- Medizinische Wissenschaften
- Neurowissenschaften und Psychologie
- Pharmazeutische Wissenschaften
- Umweltwissenschaften
- Veterinärwissenschaften
- Wirtschaft & Management
Abstrakt
Vorhersage der Sekundärstruktur von Proteinen mittels deterministisch-sequenzieller Stichprobennahme
Kuo-ching Liang und Xiaodong Wang
Die Vorhersage der Sekundärstruktur eines Proteins aus seiner Aminosäuresequenz ist ein wichtiger Schritt hin zur Vorhersage seiner dreidimensionalen Struktur. Während viele der bestehenden Algorithmen die Ähnlichkeit und Homologie zu Proteinen mit bekannten Sekundärstrukturen in der Proteindatenbank nutzen, erfordern andere Proteine mit geringen Ähnlichkeitsmaßen einen Einzelsequenzansatz zur Entdeckung ihrer Sekundärstruktur. In diesem Artikel schlagen wir einen Algorithmus vor, der auf der deterministischen sequentiellen Sampling-Methode und dem Hidden-Markov-Modell für die Vorhersage der Sekundärstruktur von Proteinen mit Einzelsequenzen basiert. Die Vorhersagen werden auf der Grundlage von Beobachtungen mit Fenstern und dem gewichteten Durchschnitt über mögliche Konformationen innerhalb des Beobachtungsfensters getroffen. Es wird gezeigt, dass der vorgeschlagene Algorithmus bei realen Datensätzen eine bessere Leistung erzielt als der bestehende Einzelsequenzalgorithmus.