机器学习用于蛋白质磷酸化位点预测技术的简要综述
定量方法
2022-02-08 v2 机器学习
摘要
翻译后修饰(PTMs)在拓展蛋白质功能多样性以及由此调控原核和真核生物的多种细胞过程中起着至关重要的作用。磷酸化修饰是一种重要的PTM,发生于大多数蛋白质中,并在许多生物学过程中发挥重要作用。磷酸化过程的紊乱会导致包括神经性疾病和癌症在内的多种疾病。首先,本研究全面综述了所有与磷酸化位点(p-sites)相关的数据库。其次,我们介绍了p-sites预测中数据集构建、数据预处理和方法评估的所有步骤。接下来,我们调研了分为计算组和机器学习(Machine Learning, ML)组两类的p-sites预测方法。此外,研究表明ML进行p-sites预测基本上有常规学习和端到端学习两种主要方法,并对二者进行了概述。而且,本研究介绍了在ML方法中主要使用的最重要的特征提取技术。最后,我们基于dbPTM数据库2022年发布版本中通用和人类物种的新蛋白质构建了三个测试集。在测试集上评估可用的在线工具后,结果表明在线工具对新报道的磷酸化蛋白质的p-sites预测性能相当薄弱。
引用
@article{arxiv.2108.04951,
title = {A Brief Review of Machine Learning Techniques for Protein Phosphorylation Sites Prediction},
author = {Farzaneh Esmaili and Mahdi Pourmirzaei and Shahin Ramazi and Elham Yavari},
journal= {arXiv preprint arXiv:2108.04951},
year = {2022}
}