基于自相关系数和PseAAC的蛋白质结构类预测

• 作者: 张燕平 杜秀全 查永亮 赵姝
• 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
• 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

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。

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