基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的预测方法在构造特征向量时只考虑了氨基酸的组成,而自相关系数不仅能够很好地反映序列中氨基酸的位置信息,而且考虑了序列内部不同位置的氨基酸间的相互影响。设计了一种将氨基酸组成和自相关系数相结合的方法来构造特征向量;在Chou提出的伪氨基酸组成模型(pseudo-amino acid composition, PseAAC)的基础上,通过扩展信息重新构造了伪氨基酸组成模型,并将其与自相关系数组合在一起来构造特征向量。分别使用两种方法编码,选用支持向量机作为预测工具,在数据集Z277、Z498以及独立测试集D138上进行了若干实验,对比结果显示,新方法比传统的氨基酸组成方法的准确率分别平均提高了7.43%和8.53%,证明了新方法是有效的。
推荐文章
基于并行多类支持向量机的蛋白质结构预测
蛋白质结构预测
多类支持向量机
并行计算
远同源检测
优化多核SVM的蛋白质二级结构预测
蛋白质
二级结构预测
多核支持向量机
特征提取
特征融合
线性加权
基于多视角特征融合与随机森林的蛋白质结晶预测
蛋白质结晶
伪氨基酸组成
位置特异性得分矩阵
随机森林
基于距离矩阵灰度图的蛋白质二级结构类型预测
蛋白质二级结构
距离矩阵
模糊K近邻
几何矩
Jackknife测试
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自相关系数和PseAAC的蛋白质结构类预测
来源期刊 计算机科学与探索 学科 工学
关键词 蛋白质结构类预测 自相关系数 伪氨基酸组成(PseAAC) 支持向量机(SVM)
年,卷(期) 2014,(1) 所属期刊栏目 人工智能与模式识别
研究方向 页码范围 103-110
页数 8页 分类号 TP18
字数 4418字 语种 中文
DOI 10.3778/j.issn.1673-9418.1307017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张燕平 安徽大学计算机科学与技术学院 148 1556 21.0 32.0
5 赵姝 安徽大学计算机科学与技术学院 82 555 13.0 19.0
9 查永亮 安徽大学计算机科学与技术学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (3)
参考文献  (11)
节点文献
引证文献  (7)
同被引文献  (8)
二级引证文献  (3)
1976(1)
  • 参考文献(1)
  • 二级参考文献(0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
蛋白质结构类预测
自相关系数
伪氨基酸组成(PseAAC)
支持向量机(SVM)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导