通过序列编码预测蛋白质相互作用

该文利用蛋白质的一级结构信息,将支持向量机应用于人的蛋白质相互作用预测中,采用三肽频数方法刻画 蛋白质序列. 计算结果表明,该方法能准确预测人的蛋白质相互作用. 比较了半胱氨酸在不同分类下对预测结果的影响, 对人的胚胎肝脏蛋白质相互作用网络进行预测,为实验提供了重要的信息.     

基于自然语言处理的蛋白质小分子亲和力值预测

蛋白质与小分子的相互作用研究对药物的研发非常重要,而现有的蛋白质小分子亲和力值的预测方法存在成本高、精度低等问题.为此提出了一种新的蛋白质小分子亲和力值的预测方法,利用自然语言处理技术对蛋白质结构数据与小分子指纹数据进行处理,并利用梯度提升决策树模型进行预测.实验表明,该方法的精度较原有方案有较大提高.     

改进信息离散性度量方法的蛋白质二级结构预测

采用一种信息离散性度量方法对CB396数据集中的蛋白质数据进行二级结构预测,预测准确率达到72.1%.为了提高预测准确率,将FDOD算法结合PSI-BLAST进行多重序列比对,使预测准确率提高到75.6%,证明了该方法的有效性.在此基础上,利用20种疏水标度改进FDOD方法,以减小计算量.最后,结合长程作用,对预测准确性的影响因素进行了讨论.     

基于新三维图形表示及相似度量的DNA序列比较分析(英文)

基于DNA序列的混沌游戏表示,得到了一种新的能够避免信息损失的DNA序列的3维图形表示.同时,利用特征曲线的几何中心和波动幅度构造4维向量来刻画DNA序列.基于两种新的相似度量,对11种物种的β球蛋白基因序列进行相似性分析,所得结果与生物学中的进化关系基本一致.而且通过比较分析,提出的方法对较长生物序列的相似分析更有效.     

基于新三维图形表示及相似度量的DNA序列比较分析

基于DNA序列的混沌游戏表示, 得到了一种新的能够避免信息损失的DNA序列的3维图形表示 同时, 利用特征曲线的几何中心和波动幅度构造4维向量来刻画DNA序列 基于两种新的相似度量, 对11种物种的β球蛋白基因序列进行相似性分析, 所得结果与生物学中的进化关系基本一致而且通过比较分析，提出的方法对较长生物序列的相似分析更有效     

基于ARIMA模型的FreeBSD内核进化预测分析

FreeBSD内核进化有较明显的超线性趋势和内在规律.科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作.以FreeBSD的62个内核版本数据作为时间序列,用AR IMA模型建模,并做出FreeBSD进化预测,将预测结果和近期发布的FreeBSD内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于FreeBSD进化预测.     

基于ARIMA模型的FreeBSD内核进化预测分析

FreeBSD内核进化有较明显的超线性趋势和内在规律科学地预测软件进化,找到一种简易又有足够精度的预测方法是管理软件工程的一项重要基础性工作以FreeBSD的62个内核版本数据作为时间序列,用ARIMA模型建模,并做出FreeBSD进化预测,将预测结果和近期发布的FreeBSD内核进化实际结果进行对比,预测结果令人满意,表明该类模型可以用于FreeBSD进化预测     

水电站入库流量的灰色自记忆预测方法研究

运用灰色系统理论与数据序列自记忆性原理相结合的方法,提出了数据序列预测的灰色自记忆模型,并应用于年径流量及汛期来水预测.山西沁河曹河水电站年径流及汛期径流预测的实例表明,该模型能处理非平稳数据序列并反映动态数据序列的极值趋势,可提高预测精度.     

迭代函数系统模型在生物序列分析中的应用

介绍了关于完全基因组及蛋白质序列的测度表示，迭代函数系统(IFS)模型在分形理论中已有较长时间的研究,在此我们提出用IFS模型及递归的IFS(RIFS)模型来拟合完全基因组与蛋白质序列的测度表示。我们发现在拟合完全基因组的测度表示时，RIFS模型比IFS模型好，但在拟合蛋白质序列的测度表示时IFS模型比RIFS模型好，从IFS模型或RIFS模型中估计的参数可以用来讨论与生物分类进化及蛋白质结构预测有关的问题。     

基于数据挖掘与机器学习的蛋白质疏水性分析的研究

蛋白质的疏水性对蛋白质的稳定性、构象和蛋白质功能具有重要意义,通过数据挖掘中的机器学习算法实现了将一个数据集中已知疏水性的多个蛋白质样本数据,分配给具有特征值的各个目标类.将这些已知其特定类归属的数据作为KNN,LR,决策树,SVM四类分类器的训练集,利用这些已知数据训练后的分类器来处理未知疏水性的蛋白质数据,最终判断该数据的分类.该算法对蛋白质疏水性的预测,其准确率可达90%以上.