Prediction of DNA-Binding Proteins from Relational Features

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00178390" target="_blank" >RIV/68407700:21230/10:00178390 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Prediction of DNA-Binding Proteins from Relational Features

Popis výsledku v původním jazyce

DNA-binding proteins have a vital role in the biological processing of genetic information like DNA transcription, replication, maintenance and the regulation of gene expression. Modelling of protein-DNA interactions has recently received signific ant attention. We use logic-based machine learning to distinguish DNA-binding proteins from non-binding proteins. We combine previously suggested coarse-grained features (proportional distribution of specific residues, spatial asymmetry of specific residues and dipole moment) wi th automatically constructed structural (spatial) features. Prediction based only on structural features already improves on the state-of-the-art predictive accuracies achieved in previous work with coarse-grained features. Accuraciesare further improved when the combination of both feature categories is used.

Název v anglickém jazyce

Prediction of DNA-Binding Proteins from Relational Features

Popis výsledku anglicky

DNA-binding proteins have a vital role in the biological processing of genetic information like DNA transcription, replication, maintenance and the regulation of gene expression. Modelling of protein-DNA interactions has recently received signific ant attention. We use logic-based machine learning to distinguish DNA-binding proteins from non-binding proteins. We combine previously suggested coarse-grained features (proportional distribution of specific residues, spatial asymmetry of specific residues and dipole moment) wi th automatically constructed structural (spatial) features. Prediction based only on structural features already improves on the state-of-the-art predictive accuracies achieved in previous work with coarse-grained features. Accuraciesare further improved when the combination of both feature categories is used.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Workshop 2010

ISBN

978-80-01-04513-8

ISSN

—

e-ISSN

—

Počet stran výsledku

16

Strana od-do

—

Název nakladatele

České vysoké učení technické v Praze

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

22. 2. 2010

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—