We have systematically analyzed a s

We have systematically analyzed a set of protein disordercausing
mutations and observed that 88% of mutants destabilize
the proteins. A set of 208 features were derived using the information
on wild-type residue, mutant residue, adjacent residues on
both sides of the mutant, amino acid properties, mutation matrices,
and statistical potentials. The feature selection method was
employed to select the best features and develop an SVM-based
model using the selected 9 features to discriminate the mutants
into O / D or O / O class. Our method achieved a classification
accuracy of 90.0% with sensitivity and specificity of 94.9 and 80.6%,
respectively, on a dataset of 90 mutants. The performance of the
current method is superior to that of other methods in the literature.
Hence, we suggest that our method (DIM-Pred) could be used
for predicting the disorder-related mutants with high efficiency.

ผลลัพธ์ (ไทย) 1:

เรามีระบบวิเคราะห์ชุดของ disordercausing โปรตีนกลายพันธุ์ และพบว่า 88% ของสายพันธุ์ขาดเสถียรภาพโปรตีน ชุดของคุณลักษณะที่ 208 ได้มาโดยใช้ข้อมูลในป่าชนิดสารตกค้าง สารตกค้างกลายพันธุ์ ตกติดบนทั้งสองด้านของ mutant คุณสมบัติกรดอะมิโน การกลายพันธุ์ เมทริกซ์และศักยภาพทางสถิติ วิธีการเลือกคุณลักษณะการเลือกจุดเด่น และพัฒนาการ SVM ตามแบบจำลองที่ใช้คุณลักษณะ 9 เลือกสายพันธุ์การถือเขาถือเราเป็น O / D หรือ O / O คลาส วิธีการของเราได้รับการจัดประเภทความถูกต้องของ 90.0% ความไวและ specificity 94.9 และ 80.6%ตามลำดับ ในชุดข้อมูลของสายพันธุ์ 90 ประสิทธิภาพของการวิธีปัจจุบันเหนือกว่ากับวิธีการอื่น ๆ ในวรรณคดีได้ดังนั้น ขอแนะนำว่า อาจใช้วิธีการของเรา (ติ่มซำ-Pred)สำหรับการคาดการณ์ที่เกี่ยวข้องกับโรคสายพันธุ์มีประสิทธิภาพสูง

ผลลัพธ์ (ไทย) 2:

เรามีการวิเคราะห์อย่างเป็นระบบชุดของโปรตีน disordercausing
การกลายพันธุ์และพบว่า 88%
ของการกลายพันธุ์มั่นคงโปรตีน ชุดของ 208 คุณสมบัติที่ได้มาโดยใช้ข้อมูลที่เกี่ยวกับสารตกค้างป่าชนิดกลายพันธุ์ที่เหลือตกค้างอยู่ติดกันในทั้งสองด้านของมนุษย์กลายพันธุ์คุณสมบัติกรดอะมิโนเมทริกซ์กลายพันธุ์และศักยภาพทางสถิติ วิธีการเลือกคุณลักษณะที่ถูกใช้ในการเลือกคุณสมบัติที่ดีที่สุดและการพัฒนา SVM ตามรูปแบบที่เลือกใช้คุณสมบัติที่9 ในการแยกแยะกลายพันธุ์ลงในO / D หรือ O / O ระดับ วิธีการของเราประสบความสำเร็จในการจัดหมวดหมู่ความถูกต้องของ 90.0% ที่มีความไวและความจำเพาะของ 94.9 และ 80.6% ตามลำดับในชุดข้อมูลที่ 90 กลายพันธุ์ ประสิทธิภาพของวิธีการในปัจจุบันจะดีกว่าว่าวิธีการอื่น ๆ ในวรรณคดี. ดังนั้นเราขอแนะนำว่าวิธีการของเรา (DIM-Pred) สามารถนำมาใช้สำหรับการทำนายความผิดปกติของการกลายพันธุ์ที่เกี่ยวข้องกับการที่มีประสิทธิภาพสูง

ผลลัพธ์ (ไทย) 3:

พวกเรามีการวิเคราะห์ระบบชุดของโปรตีน disordercausing
การกลายพันธุ์ และสังเกตเห็นว่า 88% ของสายพันธุ์ของ
โปรตีน ชุดของ 208 คุณสมบัติได้โดยใช้ข้อมูล
ที่กลายพันธุ์ของกาก กาก กากที่ติดกันบน
ทั้งสองด้านของกลายพันธุ์กรดอะมิโนคุณสมบัติของเมทริกซ์
และศักยภาพเชิงสถิติ คุณลักษณะการเลือกวิธีคือ
ใช้เพื่อเลือกคุณสมบัติที่ดีที่สุด และพัฒนารูปแบบการใช้ตาม
SVM เลือก 9 คุณลักษณะที่จะแยกแยะสายพันธุ์
เป็น O / D หรือ O / O Class วิธีการบรรลุความถูกต้องของการจำแนก
คิด % มีความไวและความจำเพาะของ 94.9 และ 80.6 %
ตามลำดับในวันที่ 90 มนุษย์กลายพันธุ์ ประสิทธิภาพของ
วิธีปัจจุบันเป็นกว่าของวิธีการอื่น ๆในวรรณคดี .
ดังนั้น เราแนะนำว่า วิธีของเรา ( มัวเปรต ) สามารถใช้
พยากรณ์พัลวันสายพันธุ์ที่มีประสิทธิภาพสูง