Sökning: onr:"swepub:oai:DiVA.org:su-168575" >
SignalP 5.0 improve...
-
Almagro Armenteros, José Juan
(författare)
SignalP 5.0 improves signal peptide predictions using deep neural networks
- Artikel/kapitelEngelska2019
Förlag, utgivningsår, omfång ...
-
2019-02-18
-
Springer Science and Business Media LLC,2019
-
printrdacarrier
Nummerbeteckningar
-
LIBRIS-ID:oai:DiVA.org:su-168575
-
https://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-168575URI
-
https://doi.org/10.1038/s41587-019-0036-zDOI
Kompletterande språkuppgifter
-
Språk:engelska
-
Sammanfattning på:engelska
Ingår i deldatabas
Klassifikation
-
Ämneskategori:ref swepub-contenttype
-
Ämneskategori:art swepub-publicationtype
Anmärkningar
-
Signal peptides (SPs) are short amino acid sequences in the amino terminus of many newly synthesized proteins that target proteins into, or across, membranes. Bioinformatic tools can predict SPs from amino acid sequences, but most cannot distinguish between various types of signal peptides. We present a deep neural network-based approach that improves SP prediction across all domains of life and distinguishes between three types of prokaryotic SPs.
Ämnesord och genrebeteckningar
Biuppslag (personer, institutioner, konferenser, titlar ...)
-
Tsirigos, Konstantinos D.Stockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab),Technical University of Denmark, Denmark; Max Planck Institute for Molecular Genetics, Germany(Swepub:su)kots7499
(författare)
-
Kaae Sonderby, Casper
(författare)
-
Nordahl Petersen, Thomas
(författare)
-
Winther, Ole
(författare)
-
Brunak, Søren
(författare)
-
von Heijne, GunnarStockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab)(Swepub:su)heijn
(författare)
-
Nielsen, Henrik
(författare)
-
Stockholms universitetInstitutionen för biokemi och biofysik
(creator_code:org_t)
Sammanhörande titlar
-
Ingår i:Nature Biotechnology: Springer Science and Business Media LLC37:4, s. 420-4231087-01561546-1696
Internetlänk
Hitta via bibliotek
Till lärosätets databas