Ethylene response factor (ERF) cons

Ethylene response factor (ERF) constitutes one of the most important gene families which are related to environmental responses
and tolerancein plants . ERF genes are defined by the domain AP2/ERF, which comprises approximately 60 amino acids and are
involved in DNA binding. Development of computational tools using machine learning tools will definitely enhance rice genome
annotation. Machine learning algorithm involves construction and study of systems that can learn from data, rather than follow
only explicitly programmed instructions. This study primarily emphasizes on the development of prediction tool, ERFPred, for
drought responsive protein ERF in rice using machine learning algorithms. We have used fourteen different feature extraction
methods including amino acid features, dipeptide, tripeptide, hybrid methods and exchange group features. Using, Random Forest
classifier, we have obtained a precision rate of 100% for the ERFPred tool. To prove that species specific tool is better than an
All plant tool, a general tool for plants, two different approaches were used and validated. The results obtained were also further
compared with sequence similarity search tool, PSI-BLAST

ผลลัพธ์ (ไทย) 1:

ปัจจัยตอบสนองต่อเอทิลีน (ERF) เป็นครอบครัวยีนสำคัญที่เกี่ยวข้องกับการตอบสนองต่อสิ่งแวดล้อมอย่างใดอย่างหนึ่งtolerancein พืชและ ERF ยีนกำหนด โดยโดเมน AP2/ERF ซึ่งประกอบด้วยกรดอะมิโนประมาณ 60 และมีเกี่ยวข้องในการรวมดีเอ็นเอ พัฒนาเครื่องมือคำนวณโดยใช้เครื่องมือการเรียนรู้จะเพิ่มพันธุข้าวแน่นอนคำอธิบาย เครื่องเรียนรู้อัลกอริทึมที่เกี่ยวข้องกับงานก่อสร้างและศึกษาระบบที่สามารถเรียนรู้จากข้อมูล แทนที่ทำตามเดียวได้โปรแกรมแนะนำ การศึกษานี้ส่วนใหญ่เน้นการพัฒนาเครื่องมือการคาดเดา ERFPred สำหรับภัยแล้งสนองโปรตีน ERF ข้าวใช้เครื่องเรียนรู้อัลกอริทึม เราใช้สิบสี่แยกคุณลักษณะที่แตกต่างกันวิธีการรวมทั้งคุณลักษณะของกรดอะมิโน dipeptide, tripeptide วิธีไฮบริดสลีและแลกเปลี่ยนจัดกลุ่มคุณสมบัติ ใช้ สุ่มป่าลักษณนาม เราได้รับมีอัตราความแม่นยำ 100% สำหรับเครื่องมือ ERFPred เพื่อพิสูจน์ว่าพันธุ์ มือเฉพาะจะดีกว่าการเครื่องมือทั้งหมดในโรงงาน เครื่องมือทั่วไปสำหรับพืช ใช้สองวิธีที่แตกต่างกัน และผ่านการตรวจสอบ ผลลัพธ์ที่ได้ก็ต่อเมื่อเทียบกับลำดับคล้ายค้นหาเครื่องมือ ระเบิด PSI

ผลลัพธ์ (ไทย) 2:

การตอบสนองต่อปัจจัยเอทิลีน (ERF) ถือเป็นหนึ่งในครอบครัวของยีนที่สำคัญที่สุดที่เกี่ยวข้องกับการตอบสนองต่อสิ่งแวดล้อม
และพืช tolerancein ยีน ERF จะถูกกำหนดโดยโดเมน AP2 / ERF ซึ่งประกอบด้วยประมาณ 60 กรดอะมิโนและ
มีส่วนร่วมในดีเอ็นเอที่มีผลผูกพัน การพัฒนาเครื่องมือการคำนวณโดยใช้เครื่องมือการเรียนรู้เครื่องแน่นอนจะช่วยเพิ่มจีโนมข้าว
คำอธิบายประกอบ ขั้นตอนวิธีการเรียนรู้ของเครื่องเกี่ยวข้องกับการก่อสร้างและการศึกษาของระบบที่สามารถเรียนรู้จากข้อมูลที่มากกว่าการทำตาม
คำแนะนำเพียงโปรแกรมอย่างชัดเจน การศึกษาครั้งนี้ส่วนใหญ่เน้นไปที่การพัฒนาเครื่องมือในการทำนาย ERFPred สำหรับ
ภัยแล้งที่ตอบสนองต่อโปรตีน ERF ในนาข้าวโดยใช้ขั้นตอนวิธีการเรียนรู้ของเครื่อง เราได้ใช้สิบสี่คุณลักษณะการสกัดที่แตกต่างกัน
วิธีการรวมทั้งคุณสมบัติของกรดอะมิโน Dipeptide, tripeptide วิธีไฮบริดและคุณลักษณะกลุ่มแลกเปลี่ยน การใช้, ป่าสุ่ม
ลักษณนามเราได้รับอัตราความแม่นยำของแท้ 100% สำหรับเครื่องมือ ERFPred เพื่อพิสูจน์ว่าสายพันธุ์เครื่องมือเฉพาะคือดีกว่า
เครื่องมือโรงงานทั้งหมดเป็นเครื่องมือทั่วไปของพืชทั้งสองวิธีที่แตกต่างกันถูกนำมาใช้และตรวจสอบ ผลที่ได้รับนอกจากนี้ยังได้อีก
เมื่อเทียบกับลำดับความคล้ายคลึงกันเครื่องมือในการค้นหา, PSI ระเบิด