






标准分类器在蛋白质亚细胞定位中的评估:Debasish Mohapatra 等人对三种标准分类器(Classification And Regression Tree,CART;K-Nearest Neighbor,蛋白互作,KNN;Support Vector Machine,SVM)在蛋白质亚细胞定位预测中的性能进行了比较。实验结果表明,SVM 在准确性和宏观平均精度方面表现较好,而 CART 在宏观平均召回率和宏观 F1 分数方面表现较好。
基于 AdaBoost Learner 的蛋白质亚细胞定位预测:Yu-Huan Jin 等人介绍了一种基于 AdaBoost Learner 的蛋白质亚细胞定位预测方法。该方法利用蛋白质的氨基酸组成进行预测,通过 Jackknife 交叉验证和独立数据集测试表明,AdaBoost 是一种稳健有效的模型,预测准确率高于其他现有预测器。

为什么有的基因定位结果与预想的不一致?
对于一个特定的定位载体,只要荧光表达较好,其定位结果是确定的,不会随人为意愿或操作而改变。至于有时候和预想的结果不一样,可能和蛋白本身、选择的表达载体以及荧光蛋白融合方式等有关。
为什么有的普通定位结果出来后无法准确判断其定位位置?
细胞中的细胞器复杂且多样,除一些常见的、特征比较明显的细胞器外,有些细胞器在激光共聚焦下形状比较相似,例如:线粒体、过氧化物酶体、高尔基体等细胞器,它们的荧光表达形状可能都是点状,因此不易区分。这时可以结合基因的其他功能研究来判断其可能表达的位置。另外,蛋白表达本身也是一个复杂的过程,涉及到多个合成场所及转运过程,自身表达情况可能比较复杂,因此不易判断具体的表达位置。

用水稻原生质体进行亚细胞定位时,为什么不拍摄叶绿体的自发荧光?
经测验,使用水稻黄化苗制备原生质体,载体转化效率及基因表达强度较高,而黄化苗中叶绿体较少,因此水稻原生质体定位拍照时,除非与叶绿体共定位,否则不拍摄叶绿体的自发荧光。
为什么要提供GFP空载的对照图片?
(1)作为整个实验过程中的操作参照,可排除因实验操作而导致目的基因没有荧光信号的影响。
(2)作为载体体系的参照,确认构建载体时所使用的载体是可正常表达荧光蛋白的。

温馨提示:以上是关于蛋白互作-武汉贝科新肽的详细介绍,产品由武汉贝科新肽科技有限公司为您提供,如果您对武汉贝科新肽科技有限公司产品信息感兴趣可以联系供应商或者让供应商主动联系您 ,您也可以查看更多与化学试剂相关的产品!
免责声明:以上信息由会员自行提供,内容的真实性、准确性和合法性由发布会员负责,天助网对此不承担任何责任。天助网不涉及用户间因交易而产生的法律关系及法律纠纷, 纠纷由您自行协商解决。
风险提醒:本网站仅作为用户寻找交易对象,就货物和服务的交易进行协商,以及获取各类与贸易相关的服务信息的平台。为避免产生购买风险,建议您在购买相关产品前务必 确认供应商资质及产品质量。过低的价格、夸张的描述、私人银行账户等都有可能是虚假信息,请采购商谨慎对待,谨防欺诈,对于任何付款行为请您慎重抉择!如您遇到欺诈 等不诚信行为,请您立即与天助网联系,如查证属实,天助网会对该企业商铺做注销处理,但天助网不对您因此造成的损失承担责任!
联系:tousu@tz1288.com是处理侵权投诉的专用邮箱,在您的合法权益受到侵害时,欢迎您向该邮箱发送邮件,我们会在3个工作日内给您答复,感谢您对我们的关注与支持!