蛋白质磷酸化位点预测的机器学习与算法方法综述
定量方法
2022-08-10 v1
摘要
翻译后修饰（PTMs）在扩展蛋白质功能多样性以及进而调控原核和真核生物多样细胞过程中起关键作用。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。磷酸化过程的紊乱导致多种疾病，包括神经性疾病和癌症。本综述旨在整理与磷酸化位点（p-site）预测相关的知识体系，以促进该领域的未来研究。首先，我们全面综述了所有相关数据库，并介绍了p-site预测中数据集创建、数据预处理和方法评估的所有步骤。接着，我们研究了分为两类计算方法的p-site预测方法：算法方法和机器学习（ML）。此外，研究表明ML预测p-site基本有两类主要方法：常规和端到端深度学习方法，我们对二者均作了概述。而且，本研究介绍了在p-site预测中最常使用的重要特征提取技术。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相关新蛋白质创建了三个测试集。在测试集上对可用在线工具的评估显示出p-site预测性能相当差。关键词：磷酸化，机器学习，深度学习，翻译后修饰，数据库
引用
@article{arxiv.2208.04311,
title = {A Review of Machine Learning and Algorithmic Methods for Protein Phosphorylation Sites Prediction},
author = {Farzaneh Esmaili and Mahdi Pourmirzaei and Shahin Ramazi and Seyedehsamaneh Shojaeilangari and Elham Yavari},
journal= {arXiv preprint arXiv:2208.04311},
year = {2022}
}
备注
45 pages, 9 figures, 3 tables. arXiv admin note: text overlap with arXiv:2108.04951