计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
17期
22-25
,共4页
高建召%王奎%胡刚%张华
高建召%王奎%鬍剛%張華
고건소%왕규%호강%장화
支持向量机%快速傅里叶变换%疏水性%平均极性%溶剂化自由能
支持嚮量機%快速傅裏葉變換%疏水性%平均極性%溶劑化自由能
지지향량궤%쾌속부리협변환%소수성%평균겁성%용제화자유능
膜蛋白在细胞生命活动中扮演着重要的角色.目前,有很多方法用来预测和分类膜转运蛋白.然而,预测膜蛋白功能的工作并不多.为了解决这个问题,基于蛋白质序列信息结合快速傅里叶变换利用支持向量机的方法预测来自TCDB数据库中的channels/pores,electrochemical potential-driven transporters和primary active transporters三类膜转运蛋白共1817条蛋白质的功能.模型使用20种氨基酸的分布,残基的疏水性、平均极性和溶剂化自由能为原始的特征数据,利用快速傅里叶变换将其转化为频域上的信息作为机器学习的特征输入.通过五倍交叉检验预测准确率达到了72.1%,而先前的文献报道的准确率为68.1%.论文的研究证明该方法可以有效地对channels/pores,electrochemical potential-driven transporters和primary active transporters三种不同功能的膜转运蛋白进行功能分类.
膜蛋白在細胞生命活動中扮縯著重要的角色.目前,有很多方法用來預測和分類膜轉運蛋白.然而,預測膜蛋白功能的工作併不多.為瞭解決這箇問題,基于蛋白質序列信息結閤快速傅裏葉變換利用支持嚮量機的方法預測來自TCDB數據庫中的channels/pores,electrochemical potential-driven transporters和primary active transporters三類膜轉運蛋白共1817條蛋白質的功能.模型使用20種氨基痠的分佈,殘基的疏水性、平均極性和溶劑化自由能為原始的特徵數據,利用快速傅裏葉變換將其轉化為頻域上的信息作為機器學習的特徵輸入.通過五倍交扠檢驗預測準確率達到瞭72.1%,而先前的文獻報道的準確率為68.1%.論文的研究證明該方法可以有效地對channels/pores,electrochemical potential-driven transporters和primary active transporters三種不同功能的膜轉運蛋白進行功能分類.
막단백재세포생명활동중분연착중요적각색.목전,유흔다방법용래예측화분류막전운단백.연이,예측막단백공능적공작병불다.위료해결저개문제,기우단백질서렬신식결합쾌속부리협변환이용지지향량궤적방법예측래자TCDB수거고중적channels/pores,electrochemical potential-driven transporters화primary active transporters삼류막전운단백공1817조단백질적공능.모형사용20충안기산적분포,잔기적소수성、평균겁성화용제화자유능위원시적특정수거,이용쾌속부리협변환장기전화위빈역상적신식작위궤기학습적특정수입.통과오배교차검험예측준학솔체도료72.1%,이선전적문헌보도적준학솔위68.1%.논문적연구증명해방법가이유효지대channels/pores,electrochemical potential-driven transporters화primary active transporters삼충불동공능적막전운단백진행공능분류.
