利用机器学习构建反式剪接因子活性的预测模型
详细信息    查看全文 | 推荐本文 |
  • 英文篇名：Modeling and Predicting the Activities of Trans-Acting Splicing Factors with Machine Learning
  • 作者：茅缪伟 ; 胡缪 ; 杨弋 ; Yajie ; Qian ; Huanhuan ; Wei ; Wei ; Fan ; Yi ; Yang ; 李小玲 ; 王泽峰
  • 英文作者：Miaowei Mao;Yue Hu;Yun Yang;Yajie Qian;Huanhuan Wei;Wei Fan;Yi Yang;Xiaoling Li;Zefeng Wang;
  • 中文刊名：KXXE
  • 英文刊名：Science News
  • 机构：王泽峰组;华东理工大学杨弋组;马普计算生物所;华东理工大学;美国NIH/NIEHS;中科院-马普学会计算生物学伙伴研究所;
  • 出版日期：2019-04-25
  • 出版单位：科学新闻
  • 年：2019
  • 期：No.557
  • 基金：国家基金委;; 中科院经费支持
  • 语种：中文;
  • 页：KXXE201902101
  • 页数：1
  • CN：02
  • ISSN：11-5553/C
  • 分类号：124
摘要
<正>文章简介90%以上的人类基因进行选择性RNA剪接,从而极大增加了蛋白组的多样性,这是基因表达最重要的调控方式之一。这一过程通常由前体mRNA中的顺式元件特异性招募反式剪接因子来调控。人类基因组编码超过1500
        
引文