CAJ | 학술논문

本文从swiss-prot中选取经过试验验证的水稻蛋白质磷酸化位点数据作为训练集合，应用蛋白质序列特征提取方法Composition of k-spaced residues pairs （CKSAAP），为利用SVM算法构建专门针对水稻蛋白质磷酸化位点的预测工具做准备。 CKSAAP方法利用在序列片断中残基的K个间隔距离的组成，进一步反映了残基之间的相关性。本文利用LibSVM软件包对已通过改进过得CKSAAP方法特征提取出来的数值特征对磷酸化位点进行预测，从而为之后构建水稻蛋白质磷酸化位点的预测工具做准备。结果表明，本文基于SVM和CKSAAP方法的水稻蛋白质磷酸化位点预测在丝氨酸，苏氨酸和酪氨酸的平均预测准确性为80．638％，马修斯系数为0．611。与PlantPhos和Musite的预测性能的对比结果显示，在磷酸化各氨基酸位点的预测性能高于PlantPhos及Musite。
본문종swiss-prot중선취경과시험험증적수도단백질린산화위점수거작위훈련집합，응용단백질서렬특정제취방법Composition of k-spaced residues pairs （CKSAAP），위이용SVM산법구건전문침대수도단백질린산화위점적예측공구주준비。 CKSAAP방법이용재서렬편단중잔기적K개간격거리적조성，진일보반영료잔기지간적상관성。본문이용LibSVM연건포대이통과개진과득CKSAAP방법특정제취출래적수치특정대린산화위점진행예측，종이위지후구건수도단백질린산화위점적예측공구주준비。결과표명，본문기우SVM화CKSAAP방법적수도단백질린산화위점예측재사안산，소안산화락안산적평균예측준학성위80．638％，마수사계수위0．611。여PlantPhos화Musite적예측성능적대비결과현시，재린산화각안기산위점적예측성능고우PlantPhos급Musite。