收藏本站
《生物信息学》 2010年01期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

面向蛋白质功能位点识别的机器学习平台构建

胡敏菁  吴建盛  施识帆  刘宏德  孙啸  
【摘要】:有关蛋白质功能的研究是解析生命奥秘的基础,机器学习技术在该领域已有广泛应用。利用支持向量机(support vectormachine,SVM)方法,构建一个预测蛋白质功能位点的通用平台。该平台先提取非同源蛋白质序列,再对这些序列进行特征编码(包括序列的基本信息、物化特征、结构信息及序列保守性特征等),以编码好的样本作为训练数据,利用SVM进行训练,得到敏感性、特异性、Matthew相关系数、准确率及ROC曲线等评价指标,反复测试,得到评价指标最优的SVM模型后,便可以用来预测蛋白质序列上的功能位点。该平台除了应用在预测蛋白质功能位点之外,还可以应用于疾病相关单核苷酸多态性(SNP)预测分析、预测蛋白质结构域分析、生物分子间的相互作用等。
【作者单位】东南大学生物电子学国家重点实验室生物科学与医学工程学院;
【关键词】蛋白质功能位点预测 机器学习 支持向量机
【基金】:国家自然科学基金(60671018,60771024)
【分类号】:Q51
【正文快照】:
1前言氨基酸序列决定蛋白质的结构和功能[1],因此从序列信息出发预测蛋白质结构和功能是蛋白质研究的一个重要手段,机器学习方法在该类研究中具有重要应用。目前,国际上通常利用机器学习的方法来预测蛋白质的功能位点及蛋白质与其他生物分子间的相互作用。如:Sujun Li[2]等利

【相似文献】
中国期刊全文数据库 前10条
1 张祖勇;孙龙清;;基于支持向量机的miRNA预测方法研究[J];中国科技信息;2008年20期
2 何德平;肖勇;肖兴国;黄永红;周庆人;;支持向量机在遥感影像处理中的应用[J];城市勘测;2006年03期
3 郭雪松;孙林岩;徐晟;;基于超球结构的支持向量机增量学习算法[J];运筹与管理;2007年04期
4 尹中航,王永成,蔡巍;应用支持向量机进行网上信息自动分类[J];高技术通讯;2001年11期
5 张振领;贾仰理;;基于支持向量机和小波分析的说话人识别研究[J];聊城大学学报(自然科学版);2007年04期
6 王伟;刘梅;段爱玲;;支持向量机的SMO算法及其自适应改进研究[J];河南科学;2010年04期
7 李士进;阮晓哲;冯钧;林林;;一种基于机器学习的视频镜头边界检测方法[J];广西师范大学学报(自然科学版);2008年01期
8 王炜;林命週;马钦忠;赵利飞;;数据挖掘及其在地震预报中的应用前景[J];国际地震动态;2005年12期
9 方辉;;支持向量机的研究与发展[J];大庆师范学院学报;2007年05期
10 彭建芬;周亚建;王枞;杨义先;平源;;TCP流量早期识别方法[J];应用科学学报;2011年01期
中国重要会议论文全文数据库 前10条
1 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 章成志;;基于机器学习的文本聚类描述算法研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
4 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
5 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
6 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
7 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
8 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
10 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
中国重要报纸全文数据库 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
3 本报记者 张晔通讯员 李玮;周志华:永不墨守成规[N];科技日报;2008年
4 记者 何边;网络化激活人工智能[N];计算机世界;2001年
5 何清 史忠植 王伟;搜索引擎的前沿技术[N];计算机世界;2006年
6 傅秋瑛;默默耕耘数十载 自主创新结硕果[N];科技日报;2006年
7 王育昕吴红梅;高水平原创性科技成果大量涌现[N];新华日报;2008年
8 冯卫东;科技将这样改变我们的生活[N];科技日报;2008年
9 杰逊;微软的第一个搜索技术掌门[N];中国计算机报;2006年
10 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年
中国博士学位论文全文数据库 前10条
1 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
2 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008年
3 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
4 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
5 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
6 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
7 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
8 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
9 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
10 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
中国硕士学位论文全文数据库 前10条
1 王晶;支持向量机及其在癌症诊断中的应用研究[D];东北师范大学;2006年
2 马波;支持向量机多类分类算法的分析与设计[D];扬州大学;2008年
3 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年
4 刘华煜;基于支持向量机的机器学习研究[D];大庆石油学院;2005年
5 马金刚;基于向量空间的信息过滤关键技术研究[D];山东师范大学;2006年
6 张昕;基于SVM方法的医学图像分类研究[D];浙江大学;2006年
7 赵斌;多值SVM分类投票法的改进[D];武汉科技大学;2007年
8 赵莹;基于向量投影的支持向量机增量学习算法[D];哈尔滨工程大学;2007年
9 黄波;基于支持向量机的多示例学习研究与应用[D];中国地质大学;2009年
10 马京华;多光谱图像分割技术在防沙治沙关键技术中的研究与应用[D];天津理工大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026