关键词：蛋白质磷酸化 生物信息 半监督学习 磷酸激酶预测 

摘要：目的蛋白质磷酸化是通过激酶催化特定位点把磷酸基转移到底物蛋白质氨基酸残基的过程,是研究蛋白质活力及功能的重要机制。目前已鉴定的数千个磷酸化位点大多缺失激酶信息,为此本研究提出基于PU-learning的磷酸激酶预测算法,通过迭代标记磷酸位点,可以准确预测催化磷酸肽的磷酸激酶。方法首先该算法以PU-learning为框架,利用最大熵方差对不同种类的磷酸激酶自动筛选最佳阈值,从而提取每条磷酸肽上潜在的磷酸化位点,然后根据统计分析确定磷酸化位点对应的激酶,最后通过五折交叉验证该算法在Phospho.ELM数据库上的预测性能,并与现有算法对比。结果该算法的交叉验证特异性和灵敏度比现有最好算法在单个数据集上最高提高4%及10%,其预测Phospho.ELM中数据准确度达到79.52%。结论基于PU-learning的磷酸激酶预测算法显著优于现有算法,且可以准确预测Phospho.ELM数据库中未知激酶信息的磷酸肽,在磷酸化实验中具有较强的指导意义。

北京生物医学工程杂志要求:

{1}注释对正文特定内容的解释与说明，以及未公开发表的资料和“转引自”等类文献的著录，用圈码标引，在页下注文。

{2}稿件要遵守国家的相关法律法规，题材贴近实际、贴近基层、贴近群众，主题新颖、健康向上。

{3}来稿应包括题名、作者署名及通讯地址、作者简介、摘要、关键词、中图分类号、正文、注释、参考文献，并将题名、作者署名及通讯地址、摘要和关键词。

{4}摘要：一般为500～600字。研究论文摘要应包括研究目的、方法、结果和结论；综述论文摘要应包括论述主题、重要进展和前景展望。

{5}文章正文的标题、表格、图、公式以及脚注应分别连续编号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社