期刊文献+

基于静态网络的蛋白质复合物预测方法综述 被引量:1

A Survey of Computational Methods for Protein Complexes Prediction Based on Static PPI Networks
下载PDF
导出
摘要 蛋白质复合物通过相互作用蛋白质形成,表现出多样的生物功能。使用计算方法从生物网络中预测蛋白质复合物不仅对于理解生物活动的机制和疾病的发病机理具有重要意义,而且可以弥补生物高通量实验 方法的不足。本文介绍分析两类基于静态网络蛋白质复合物预测的方法,讨论蛋白质复合物预测算法的不足,进一步分析探讨蛋白质复合物预测所面临的挑战。
作者 于杨
机构地区 沈阳师范大学
出处 《软件工程与应用》 2018年第3期151-159,共9页 Software Engineering and Applications
基金 辽宁省教育厅科技项目(L201605)。
  • 相关文献

参考文献2

二级参考文献37

  • 1赵屹,谷瑞升,杜生明.生物信息学研究现状及发展趋势[J].医学信息学杂志,2012,33(5):2-6.
  • 2Koboldt D C, Steinberg K M, Larson D E, et al. The next-generation sequencing revolution and its impact on genomics [J]. Cell, 2013, 155(1): 27-38.
  • 3Benson D A, Karsch-Mizrachi I, Lipman D J, et al. GenBank [J]. Nucleic Acids Research, 2000, 28(1): 15-18.
  • 4Uetz P, Etzold T. The EMBL/EBI reptile database [J]. Herpetological Review, 1996, 27(4): 174-175.
  • 5Barrett T, Wilhite S E, Ledoux P, et al. NCBI GEO: archive for functional genomics data sets-update [J]. Nucleic Acids Res, 2013, 41: D1005-D1010.
  • 6Marx V. Biology: the big challenges of big data [J]. Nature, 2013, 498(7453): 255-260.
  • 7Schuster S C. Next-generation sequencing transforms today’s biology [J]. Nature, 2007, 200(8): 16-18.
  • 8Reis-Filho J S. Next-generation sequencing [J]. Breast Cancer Res, 2009, 11(S3): S12.
  • 9Marcotte E M, Date S V. Exploiting big biology: integrating large-scale biological data for function inference [J]. Briefings in Bioinformatics, 2001, 2(4): 363-374.
  • 10Aronova E, Baker K S, Oreskes N. Big science and big data in biology: from the international geophysical year through the International Biological Program to the Long Term Ecological Research (LTER) Network, 1957—present [J]. Historical Studies in the Natural Sciences, 2010, 40(2): 183-224.

共引文献6

同被引文献6

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部