期刊检索

  • 2024年第22卷
  • 2023年第21卷
  • 2022年第20卷
  • 2021年第19卷
  • 2020年第18卷
  • 2019年第17卷
  • 2018年第16卷
  • 2017年第15卷
  • 2016年第14卷
  • 2015年第13卷
  • 2014年第12卷
  • 2013年第11卷
  • 第1期
  • 第2期

主管单位 工业和信息化部 主办单位 哈尔滨工业大学 主编 任南琪 国际刊号ISSN 1672-5565 国内刊号CN 23-1513/Q

期刊网站二维码
微信公众号二维码
引用本文:包文荣,赵巨东.用ID-SVM预测蛋白质的ATP结合位点[J].生物信息学,2013,11(3):181-185.
BAO Wen-rong,ZHAO Ju-dong.Use ID-SVM method to prediction ATP binding residues of a protein[J].Chinese Journal of Bioinformatics,2013,11(3):181-185.
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 3180次   下载 1690 本文二维码信息
码上扫一扫!
分享到: 微信 更多
用ID-SVM预测蛋白质的ATP结合位点
包文荣, 赵巨东
(内蒙古工业大学理学院,内蒙古 呼和浩特 010051)
摘要:
从蛋白质序列出发,对经Dr.G.P.S.Raghava整理和使用过的168条非冗余的ATP与蛋白质结合氨基酸序列进行分段,对ATP与蛋白质结合位点进行了统计分析。在此基础上,利用20种氨基酸的亲疏水性将20种氨基酸约化为6类。以氨基酸组分和6类亲疏水紧邻为参数,用多样性增量(ID)方法将氨基酸组分和6类亲疏水紧邻降维并将降维后的特征参数输入支持向量机中运算,本文运算结果显示用氨基酸组分ID值和6类亲疏水紧邻ID值共同作为特征参数结果最优,在七交叉检验下的预测总精度达到了99.67%,相关系数达到0.9934,好于前人的预测结果。
关键词:  多样性增量  支持向量机  6类亲疏水紧邻  三磷酸腺苷(ATP)
DOI:10.3969/j.issn.1672-5565.2013-03.20130304
分类号:
基金项目:国家自然科学基金资助项目(51068020)。
Use ID-SVM method to prediction ATP binding residues of a protein
BAO Wen-rong,ZHAO Ju-dong
(Faculty of Science,Inner Mongolia University of Technology, Hohhot 010051, China)
Abstract:
starting from the protein sequence, Dr.GPSRaghava are analyzing the 168non-redundant ATP and protein segmentation which these are organized and used, statistical and analysis of ATP and protein-binding sites. On this basis, the use of 20kinds of amino acids hydrophobicity of the 20amino acids is reduced to 6. Close to the amino acid composition and 6Hydrophobicity parameter increment of diversity (ID) close to the amino acid composition and 6Hydrophobicity dimensionality reduction and dimensionality reduction characteristic parameter input support vector machine computing, this article the result of the operation is displayed next to the amino acid component ID value and 6Hydrophobicity ID value as a common characteristic parameters of the best results, seven cross-examination under the forecast total accuracy of 99.67%, correlation coefficient of 0.9934, better than the previous forecast results.
Key words:  Increment of diversity  Support Vector Machines  Diad  Seven Crosscheck  Adenosine-triphosphate

友情链接LINKS

关闭