筛多肽(水解,活性预测,毒性预测,过敏性预测....)
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
- 中国大陆集成电路芯片领域各个细分代表企业
- GEMM性能提升200倍,AutoKernel算子优化工具正式开源
- final关键字的这8个小细节,你get到几个?
- SUSE安装g++的两种方法
- android udp 收发例子_网络协议之TCP和UDP
- Java中语法分析器_语法分析器(java语法分析器)
- 学习进度条——第八周
- 分布式中的 transaction log
- Android 联系人导入导出(VCard格式)
- (1.1)HarmonyOS鸿蒙中Ability概念及意义
- prometheus altermanager邮件报警
- asp.net 获取客户端cookie_开发中你一定碰到过的cookie和session问题,今天一并帮你解决!...
- stl变易算法(一)
- 读书摘要——《凌波微步-软件开发警戒案例集》
- 开源的东西,只是用来参考学习,要商用路途遥远
- 快讯丨阿里云洛神云网络论文再次入选全球顶会SIGCOMM
- 傲腾服务器硬盘,Intel傲腾Optane硬盘实测:“高价U盘”,加速性能不错
- 面试积累——嵌入式软件工程师面试题(非常经典)
- 可达编程 [语言题]中国身份证号码校验
- Topic 14. 临床预测模型之校准曲线 (Calibration curve)
热门文章
- 心态-《了不起的我》书中的精髓:爱和期待促使我们改变,不同关系会塑造出不同的自我。
- vue使用高德api 定位获取位置信息 positionLocation.js及 USERKEY_PLAT_NOMATCH报错
- 发明专利和实用新型专利区别
- 六大布局之RelativeLayout
- linear-gradiend ——实现网格背景效果
- #1408 : The Lastest Time
- 奇异值分解(SVD)详解及其应用
- jdbc读取mysql数据库_Ecplise 中利用 JDBC 连接 Mysql 数据库读取数据
- tiktok电商怎么做?tiktok会是跨境电商的新风口吗?
- GitHub 与 win 有一天竟然能合体