版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、根據(jù)蛋白質(zhì)序列信息預(yù)測(cè)其在不同細(xì)胞器或細(xì)胞區(qū)域(即亞細(xì)胞,如細(xì)胞核、線粒體、細(xì)胞質(zhì)和細(xì)胞膜等),稱(chēng)為蛋白質(zhì)亞細(xì)胞定位。它是蛋白質(zhì)組學(xué)與蛋白質(zhì)功能研究的基礎(chǔ)工作。在以往的研究中,將蛋白質(zhì)亞細(xì)胞定位主要看成多類(lèi)問(wèn)題。但是,生物實(shí)驗(yàn)觀測(cè)到,蛋白質(zhì)可能存在于細(xì)胞中的一個(gè)或者多個(gè)亞細(xì)胞位置,因此它是一個(gè)典型的多標(biāo)簽分類(lèi)問(wèn)題。本文在多標(biāo)簽設(shè)置下,研究蛋白質(zhì)亞細(xì)胞定位問(wèn)題。
本文研究分成兩大步驟:
第一、蛋白質(zhì)序列特征的構(gòu)建;
2、r> 第二、應(yīng)用多標(biāo)簽分類(lèi)算法預(yù)測(cè)蛋白質(zhì)亞細(xì)胞位置。
在構(gòu)建蛋白質(zhì)序列特征中,為了有效的表征蛋白質(zhì)的序列特征,本文首先對(duì)氨基酸組成,氨基酸的物化特性,基因本體等做了討論。然后提出了蛋白質(zhì)序列特征構(gòu)建的流程,并且詳細(xì)闡明了特征構(gòu)建的方法,包括:原始序列處理,Pse-AAC模型構(gòu)建和GO模型構(gòu)建。最后,根據(jù)提出的蛋白質(zhì)特征表征的方法構(gòu)建了七個(gè)不同特征表征的蛋白質(zhì)序列數(shù)據(jù)集,其中每個(gè)數(shù)據(jù)集內(nèi)包含病毒、植物、革蘭氏陰性菌、革蘭氏陽(yáng)性
3、菌、人類(lèi)和真核細(xì)胞6個(gè)物種的子數(shù)據(jù)集,共有42個(gè)獨(dú)立的數(shù)據(jù)集。
在蛋白質(zhì)亞細(xì)胞定位算法比較中,本文應(yīng)用OVR-kNN、ML-kNN、Rank-SVM和SVM-ML四種多標(biāo)簽分類(lèi)算法對(duì)此問(wèn)題進(jìn)行實(shí)驗(yàn)。首先以Recall為指標(biāo),用3折疊交叉驗(yàn)證的方法進(jìn)行網(wǎng)格搜索,找到每個(gè)數(shù)據(jù)集的最優(yōu)參數(shù)。然后,利用最優(yōu)參數(shù)對(duì)每個(gè)數(shù)據(jù)集做10折疊交叉驗(yàn)證,得到實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明:
1、對(duì)于七種不同特征表征的蛋白質(zhì)序列數(shù)據(jù)集,用Pse-
4、AAC模型修補(bǔ)二進(jìn)制GO模型的特征表征的方法更加有效;
2、OVR-kNN算法要比其他三種算法速度快;
3、基于SVM的算法取得的實(shí)驗(yàn)性能好于基于.kNN的算法;
4、SVM-ML算法在指標(biāo)Recall上的性能好于同類(lèi)型的Rank-SVM算法,也好于基于kNN的算法。
最后,將用“留一法”得到病毒和植物的實(shí)驗(yàn)結(jié)果與現(xiàn)存方法進(jìn)行比較,本文研究方法的性能要優(yōu)于Cell-Ploc和Cell-PLoc2.
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 蛋白質(zhì)亞細(xì)胞定位的識(shí)別.pdf
- 基于多標(biāo)記學(xué)習(xí)的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf
- 蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)方法研究.pdf
- 基于圖像的蛋白質(zhì)亞細(xì)胞定位.pdf
- 基于多信息融合的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)方法研究.pdf
- 基于機(jī)器學(xué)習(xí)的多定位點(diǎn)蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)方法研究.pdf
- 基于多信息融合與多標(biāo)簽集成分類(lèi)器預(yù)測(cè)蛋白質(zhì)亞核與ncRNA亞細(xì)胞定位.pdf
- 基于多特征融合的蛋白質(zhì)亞細(xì)胞多位點(diǎn)定位預(yù)測(cè).pdf
- 基于混合編碼的蛋白質(zhì)亞細(xì)胞定位研究.pdf
- 基于融合特征的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf
- 基于mRNA等融合特征的單定位和多定位細(xì)胞凋亡蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf
- 蛋白質(zhì)亞細(xì)胞定位特征表達(dá)與分類(lèi)算法研究.pdf
- 基于直推學(xué)習(xí)的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf
- 9015.基于多信息融合預(yù)測(cè)單定位和多定位凋亡蛋白質(zhì)亞細(xì)胞位置
- 基于離散特征的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)方法研究.pdf
- 基于糾錯(cuò)輸出編碼的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf
- 基于理化特征融合的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf
- 基于多類(lèi)特征融合的蛋白質(zhì)亞線粒體定位預(yù)測(cè)研究.pdf
- 蛋白質(zhì)亞細(xì)胞定位方法研究和網(wǎng)絡(luò)預(yù)測(cè)平臺(tái)構(gòu)建.pdf
- 核蛋白的亞核定位和植物、非植物及小鼠蛋白質(zhì)的亞細(xì)胞定位預(yù)測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論