筛多肽（水解，活性预测，毒性预测，过敏性预测....）

2024-06-28 08:50:24

Uniprot数据库下载蛋白序列：

按老师在UniProt里找到的三个海藻的蛋白序列

①依次下载其蛋白质序列，例如这个T1RJY1：

②复制其氨基酸序列，在服务器里进行水解成短肽：

打开BIOPEP-UWM，我们需要模拟消化道酶类对这些序列进行水解，成短肽，挑选2~8的短肽。

选择消化道的3个酶（胃蛋白酶（pepsin）、胰蛋白酶（trypsin）、糜蛋白酶A（chymotrypsin A））做为肽段的水解酶。

③对2~8肽在下面的网页进行活性预测：

PeptideRanker 是一个基于神经网络的生物肽活性预测服务器，可以对用户上传的肽表进行活性预测，预测值（即是概率值越高，这个肽具有生物活性的可能就越大）

会对上传的肽数据集按生物活性概率进行排序，一般按概率值>0.5进行肽段的筛选。

④对有活性的肽段进行毒性和过敏性的筛选:

打开 Toixinpred 页面如下，进行毒性的预测：

点击【batch Submission】

将要预测的肽段输入到框内（框③），勾选All（框①），点击run analysis（框②）

等待结果。

在AllerTOP Server Page 中进行过敏性的筛查

⑥进行胃肠吸收度的筛选:

在 SwissAMDE 网站里进行操作

有些多肽（例如AF、PIF）不能在网页里得到它们的SWISS号，可以在纽普生物网站里获取，再拷贝到SwissAMDE网页里进行胃肠吸收度的检查。

swissAMDE里，可以得到类似以下的结果，框①就是这个蛋白预测出的胃肠吸收度，Low结果说明这个短肽胃肠吸收度低。

⑦进行半衰期的检查

找 plifepred 网站里导入我们经过胃肠吸收度进一步筛选出的短肽（如图）

在框①里导入筛出的多肽（注意格式）

点击下面框②的run analysis，得到结果。

⑧进行苦味的预测

进入网页，如图，点击框①BIOPEP-UWM，再使用工具Sensory peptides and amino acids（框②）：

点击analysis进入分析网页：

还有一个是进行生物功能活性的预测的

筛多肽（水解，活性预测，毒性预测，过敏性预测....）相关推荐

ML之xgboost：利用xgboost算法(自带,特征重要性可视化+且作为阈值训练模型)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(自带,特征重要性可视化+且作为阈值训练模型)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果 ...
ML之LoRDTRF：基于LoRDT(CART)RF算法对mushrooms蘑菇数据集(22+1,6513+1611)训练来预测蘑菇是否毒性(二分类预测)
ML之LoR&DT&RF:基于LoR&DT(CART)&RF算法对mushrooms蘑菇数据集(22+1,6513+1611)训练来预测蘑菇是否毒性(二分类预测) 目录 ...
ML之xgboost：利用xgboost算法(sklearn+GridSearchCV)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(sklearn+GridSearchCV)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果 ...
ML之xgboost：利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果设计思路核心 ...
ML之xgboost：利用xgboost算法(sklearn+3Split+调参曲线+EarlyStop)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(sklearn+3Spli+调参曲线+EarlyStop)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) ...
ML之xgboost：利用xgboost算法(sklearn+3Split+调参曲线)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(sklearn+3Split+调参曲线)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果设 ...
ML之xgboost：利用xgboost算法(sklearn+3Split)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(sklearn+3Split)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果设计思路核 ...
ML之xgboost：利用xgboost算法(结合sklearn)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(结合sklearn)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果设计思路核心代码输 ...
ML之xgboost：利用xgboost算法(自带方式)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(自带方式)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测) 目录输出结果设计思路核心代码输出结果 1 ...

最新文章

热门文章