A Text Mining and Machine Learning Protocol for Extracting Posttranslational Modifications of Proteins from PubMed: A Special Focus on Glycosylation, Acetylation, Methylation, Hydroxylation, and Ubiquitination

乙酰化 计算机科学 糖基化 磷酸化 人工智能 翻译后修饰 计算生物学 机器学习 羟基化 泛素 化学 生物化学 生物信息学 生物 基因
作者
Krishnamurthy Arumugam,Malathi Sellappan,Dheepa Anand,Sadhanha Anand,Subhashini Vedagiri Radhakrishnan
出处
期刊:Methods in molecular biology 卷期号:: 179-202
标识
DOI:10.1007/978-1-0716-2305-3_10
摘要

Posttranslational modifications (PTMs) of proteins impart a significant role in human cellular functions ranging from localization to signal transduction. Hundreds of PTMs act in a human cell. Among them, only the selected PTMs are well established and documented. PubMed includes thousands of papers on the selected PTMs, and it is a challenge for the biomedical researchers to assimilate useful information manually. Alternatively, text mining approaches and machine learning algorithm automatically extract the relevant information from PubMed. Protein phosphorylation is a well-established PTM and several research works are under way. Many existing systems are there for protein phosphorylation information extraction. A recent approach uses a hybrid approach using text mining and machine learning to extract protein phosphorylation information from PubMed. Some of the other common PTMs that exhibit similar features in terms of entities that are involved in PTM process, that is, the substrate, the enzymes, and the amino acid residues, are glycosylation, acetylation, methylation, hydroxylation, and ubiquitination. This has motivated us to repurpose and extend the text mining protocol and machine learning information extraction methodology developed for protein phosphorylation to these PTMs. In this chapter, the chemistry behind each of the PTMs is briefly outlined and the text mining protocol and machine learning algorithm adaption is explained for the same.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
满意代亦完成签到 ,获得积分10
2秒前
上下完成签到 ,获得积分10
3秒前
一只小鲨鱼完成签到,获得积分10
3秒前
i好运发布了新的文献求助10
5秒前
jing216完成签到 ,获得积分10
6秒前
11完成签到 ,获得积分0
7秒前
流星雨完成签到 ,获得积分10
8秒前
博林大师完成签到,获得积分10
9秒前
yk完成签到 ,获得积分10
9秒前
Ida完成签到 ,获得积分10
9秒前
hyf完成签到,获得积分10
10秒前
来到火山口的大企鹅完成签到,获得积分10
12秒前
lovekobe完成签到,获得积分20
13秒前
13秒前
浮熙完成签到 ,获得积分10
13秒前
yi完成签到 ,获得积分10
14秒前
Kriemhild应助i好运采纳,获得10
14秒前
27完成签到 ,获得积分10
14秒前
科研小狗完成签到,获得积分10
20秒前
20秒前
椰子完成签到 ,获得积分20
23秒前
欢呼菀完成签到 ,获得积分10
24秒前
大侦探天奈应助科研小狗采纳,获得10
24秒前
韭菜发布了新的文献求助10
24秒前
25秒前
溯风完成签到 ,获得积分10
27秒前
欢喜板凳完成签到 ,获得积分10
29秒前
所所应助柳绿柳采纳,获得10
30秒前
罗良干完成签到 ,获得积分10
31秒前
李娜发布了新的文献求助10
31秒前
韭菜完成签到,获得积分20
32秒前
龙大完成签到 ,获得积分10
33秒前
小学生学免疫完成签到 ,获得积分10
36秒前
醒来犹忆梦中人完成签到,获得积分10
39秒前
谦虚发布了新的文献求助20
40秒前
sunsunsun完成签到,获得积分10
40秒前
豪哥大大发布了新的文献求助10
40秒前
蓝意完成签到,获得积分0
40秒前
41秒前
身强力壮运气好完成签到,获得积分10
45秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052675
求助须知:如何正确求助?哪些是违规求助? 2709898
关于积分的说明 7418335
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246139
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921