作者:
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:
目前国内外对于DNA-蛋白质绑定位点预测的研究大多集中在仅以蛋白质序列信息或仅以蛋白质结构信息为基础进行计算,而二者结合所实现的预测效果较差.本文提出一种在蛋白质位置特异性得分矩阵序列特征的基础上,结合蛋白质残基的溶剂可及表面积、相对表面积、深度和突出指数这几个结合效果良好的结构特征的DNA与蛋白质绑定位点预测方法,并使用随机下采样方法解决训练集样本不平衡问题,最后使用支持向量机算法进行预测.实验结果表明,本文方法具有较好的预测能力.
推荐文章
序列蛋白质-GDP绑定位点预测
蛋白质-GDP绑定预测
位置特异性得分矩阵
稀疏表示
加权下采样
支持向量机
基于随机下采样和SVR的蛋白质-ATP绑定位点预测
蛋白质-ATP绑定位点
位置特异性得分矩阵
滑动窗口
支持向量回归模型
随机下采样
基于随机下采样和SVR的蛋白质-ATP绑定位点预测
蛋白质-ATP绑定位点
位置特异性得分矩阵
滑动窗口
支持向量回归模型
随机下采样
基于支持向量机集成的蛋白质与维生素绑定位点预测
蛋白质-维生素相互作用
绑定位点预测
多重随机下采样
SVM集成
Adaboost算法
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 基于序列与结构特征结合的蛋白质与DNA绑定位点预测
来源期刊 计算机与现代化 学科 工学
关键词 位置特异性得分矩阵 可及表面积 相对表面积 深度与突出指数 随机下采样 支持向量机
年,卷(期) 2016,(1) 所属期刊栏目 应用与开发
研究方向 页码范围 20-25
页数 6页 分类号 TP181
字数 5265字 语种 中文
DOI 10.3969/j.issn.1006-2475.2016.01.005
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 杨骥 南京理工大学计算机科学与工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (15)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
位置特异性得分矩阵
可及表面积
相对表面积
深度与突出指数
随机下采样
支持向量机
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
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导