计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2008年
12期
3590-3592
,共3页
石鸥燕%杨惠云%杨晶%田心
石鷗燕%楊惠雲%楊晶%田心
석구연%양혜운%양정%전심
蛋白质二级结构预测%隐马尔可夫模型%人工神经网络
蛋白質二級結構預測%隱馬爾可伕模型%人工神經網絡
단백질이급결구예측%은마이가부모형%인공신경망락
针对3-状态隐马尔可夫模型(hidden Markov model,HMM)预测蛋白质二级结构准确率不高的问题,提出15-状态HMM,通过改进的算法与BP神经网络相结合进行二级结构预测.研究对象为CB513数据集中筛选出的492条蛋白质序列,将其随机均分7组.应用混合模型进行预测,对准确率进行7-交叉验证,Q3准确率达77 21%,SOV值为72 52%.结果表明,混合模型既能充分考虑相邻氨基酸残基间的相互影响,也能在一定程度上照顾二级结构的远程相关性,因此带来了较好的预测准确率.
針對3-狀態隱馬爾可伕模型(hidden Markov model,HMM)預測蛋白質二級結構準確率不高的問題,提齣15-狀態HMM,通過改進的算法與BP神經網絡相結閤進行二級結構預測.研究對象為CB513數據集中篩選齣的492條蛋白質序列,將其隨機均分7組.應用混閤模型進行預測,對準確率進行7-交扠驗證,Q3準確率達77 21%,SOV值為72 52%.結果錶明,混閤模型既能充分攷慮相鄰氨基痠殘基間的相互影響,也能在一定程度上照顧二級結構的遠程相關性,因此帶來瞭較好的預測準確率.
침대3-상태은마이가부모형(hidden Markov model,HMM)예측단백질이급결구준학솔불고적문제,제출15-상태HMM,통과개진적산법여BP신경망락상결합진행이급결구예측.연구대상위CB513수거집중사선출적492조단백질서렬,장기수궤균분7조.응용혼합모형진행예측,대준학솔진행7-교차험증,Q3준학솔체77 21%,SOV치위72 52%.결과표명,혼합모형기능충분고필상린안기산잔기간적상호영향,야능재일정정도상조고이급결구적원정상관성,인차대래료교호적예측준학솔.
