Prediction of the post-translational modification sites of the protein by machine learning to study the modification mechanism

通过机器学习预测蛋白质翻译后修饰位点，研究修饰机制

• 批准号: 23500372
• 负责人: NISHIKAWA IKUKO
• 金额: $ 3.49万
• 依托单位: Ritsumeikan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2013
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23500372/
• 关键词: 機械学習; タンパク質; 天然変性領域; リン酸化; 予測; サポートベクターマシン; 進化的保存度; 進化的保存性; 機能性

Phosphorylation is one of the most important post-translational modifications of the protein. Phosphorylation sites of the human protein are predicted using the machine learning by support vector machine (SVM). SVMs are constructed for prediction target sties in the functional domain and in the intrinsically disordered (ID) region, separately. As the result, human amino acid sequence information is enough for the effective prediction for the domain, while the site specific evolutionary conservation information turns out to be effective for ID. That is, conservation rate is not uniform in ID, where the sequence conservation is known to be relatively low in general. Site specific conservation is newly defined based on the ortholog proteins, and the conservation rate is high at the phosphorylation sites, especially at the functional phosphorylation sites, therefore which is effective for the prediction.

磷酸化是蛋白质最重要的翻译后修饰之一。使用支持向量机 (SVM) 的机器学习来预测人类蛋白质的磷酸化位点。 SVM 是分别为功能域和本质无序 (ID) 区域中的预测目标麦粒肿构建的。因此，人类氨基酸序列信息足以有效预测该结构域，而位点特异性进化保守信息对于 ID 来说是有效的。也就是说，ID中的保守率并不均匀，已知序列保守性一般相对较低。基于直系同源蛋白新定义了位点特异性保守，磷酸化位点尤其是功能性磷酸化位点的保守率较高，因此对于预测是有效的。

项目成果

SVM によるタンパク質天然変性領域上の機能性リン酸化部位の予測

使用 SVM 预测蛋白质自然变性区域的功能磷酸化位点

• 发表时间: 2014
• 作者: 石野友喜; 西川郁子; 遠里由佳子; 福地佐斗志; 西川建
• 通讯作者: 西川建

携帯電話のキーボードに対するACOを用いたキー配置最適化

使用ACO对手机键盘进行按键布局优化

• 发表时间: 2011
• 作者: 石谷彰斗;榊原一紀;西川郁子
• 通讯作者: 西川郁子

太陽光発電の融通最適化モデルに対する効率の解析と感度分析

太阳能发电灵活性优化模型效率分析与灵敏度分析

• 作者: 鈴木将義; 榊原一紀; 西川郁子
• 通讯作者: 西川郁子

An Incremental Approach for Storage and Delivery Planning Problems

存储和交付计划问题的增量方法

• 发表时间: 2012
• 作者: K. Sakakibara; Y. Tian; I. Nishikawa
• 通讯作者: I. Nishikawa

カイコガ標準脳データベース構築に向けた脳画像データの標準化と活用

脑图像数据标准化及利用构建家蚕标准脑数据库

• 发表时间: 2012
• 作者: 百田直矢; 加沢知毅; ステファン周一ハウプト; 並木重宏; 宮本大輔; 神崎亮平; 西川郁子; 池野英利
• 通讯作者: 池野英利