论文研究 mLysPTMpred:结合使用SVM和解决数据不平衡问题的多个赖氨酸PTM站点预测

翻译后修饰（PTM）通过将新的官能团引入蛋白质氨基酸的侧链来增加蛋白质的功能多样性。 在所有氨基酸残基中，赖氨酸（K）的侧链可以经历许多类型的PTM，称为K-PTM，例如“乙酰化”，“巴豆酰化”，“甲基化”和“琥珀酰化”，并且还负责发生多个PTM在蛋白质的同一赖氨酸中，导致需要多标记PTM位点识别。 然而，已经建立了大多数现有的计算方法来预测各种单标签PTM位点，并且已经开发了很少的方法来解决需要进一步改进的多标签问题。 在这里，我们开发了一种称为mLysPTMpred的计算工具，可通过以下步骤来预测多标签赖氨酸PTM位点：1）将序列耦合的信息整合到一般的伪氨基酸组成中，2）通过“不同错误成本