东北林业大学学报
東北林業大學學報
동북임업대학학보
Journal of Northeast Forestry University
2015年
9期
134-139
,共6页
孙晓芳%刘亚秋%初砚硕
孫曉芳%劉亞鞦%初硯碩
손효방%류아추%초연석
芥子油苷合成途径相关蛋白质%蛋白质相互作用%结构域-结构域相互作用
芥子油苷閤成途徑相關蛋白質%蛋白質相互作用%結構域-結構域相互作用
개자유감합성도경상관단백질%단백질상호작용%결구역-결구역상호작용
Glucosinolates biosynthetic pathway related proteins%Protein-protein interactions (PPIs)%Domain-do-main interaction ( DDI)
从蛋白质一级序列抽取蛋白质结构域信息建立结构域特征向量,使用结构域特征向量训练基于高斯径向基核的支撑向量机,用5折交叉验证对支撑向量机参数网格寻优,然后用最优化参数训练得到蛋白质相互作用预测器。结果表明:预测器的交叉验证ROC曲线下面积达到了85.49%,可以有效预测拟南芥相关的蛋白质相互作用。
從蛋白質一級序列抽取蛋白質結構域信息建立結構域特徵嚮量,使用結構域特徵嚮量訓練基于高斯徑嚮基覈的支撐嚮量機,用5摺交扠驗證對支撐嚮量機參數網格尋優,然後用最優化參數訓練得到蛋白質相互作用預測器。結果錶明:預測器的交扠驗證ROC麯線下麵積達到瞭85.49%,可以有效預測擬南芥相關的蛋白質相互作用。
종단백질일급서렬추취단백질결구역신식건립결구역특정향량,사용결구역특정향량훈련기우고사경향기핵적지탱향량궤,용5절교차험증대지탱향량궤삼수망격심우,연후용최우화삼수훈련득도단백질상호작용예측기。결과표명:예측기적교차험증ROC곡선하면적체도료85.49%,가이유효예측의남개상관적단백질상호작용。
We extracted the protein domain information from the first level structure , and constructed the feature vectors by the domain information .A support vector machine ( SVM) was trained by the feature vectors , and the five-fold cross-validation was used to conduct the grid optimization for the SVM parameters to get the protein-protein interaction predictor trained by the optimum parameters .The area under ROC of cross-validation reached 85.49 with good effectiveness of the predictor .