An ensemble classifier for eukaryotic protein subcellular location prediction using gene ontology categories and amino acid hydrophobicity.
An ensemble classifier for eukaryotic protein subcellular location prediction using gene ontology categories and amino acid hydrophobicity.
复制标题
使用基因本体类别和氨基酸疏水性预测真核蛋白质亚细胞位置的集成分类器
DOI：
10.1371/journal.pone.0031057
复制
发表时间：
2012
期刊：
影响因子：
3.7
通讯作者：
Zhou Y
中科院分区：
文献类型：
--
作者：
Li L;Zhang Y;Zou L;Li C;Yu B;Zheng X;Zhou Y
随着后基因组时代蛋白质序列的快速增加，开发准确、自动化的方法来可靠、快速地预测它们的亚细胞定位是一项挑战。到目前为止，已经进行了许多尝试，但大多数都只使用了一种算法。在本文中，我们提出了一种基于投票系统的真核蛋白亚细胞定位预测的KNN （k-近邻）和SVM（支持向量机）算法集成分类器。对于真核蛋白的三个基准数据集，1对1策略的总体预测准确率分别为78.17%、89.94%和75.55%。预测精度的提高表明，氧化石墨烯注释和氨基酸的疏水性有助于预测真核蛋白的亚细胞位置。
With the rapid increase of protein sequences in the post-genomic age, it is challenging to develop accurate and automated methods for reliably and quickly predicting their subcellular localizations. Till now, many efforts have been tried, but most of which used only a single algorithm. In this paper, we proposed an ensemble classifier of KNN (k-nearest neighbor) and SVM (support vector machine) algorithms to predict the subcellular localization of eukaryotic proteins based on a voting system. The overall prediction accuracies by the one-versus-one strategy are 78.17%, 89.94% and 75.55% for three benchmark datasets of eukaryotic proteins. The improved prediction accuracies reveal that GO annotations and hydrophobicity of amino acids help to predict subcellular locations of eukaryotic proteins.
登录
查看更多内容
影响因子：
3.7
作者：
Chou KC;Wu ZC;Xiao X
通讯作者：
Xiao X
影响因子：
14.8
作者：
Chou, Kuo-Chen;Shen, Hong-Bin
通讯作者：
Shen, Hong-Bin
Plant-mPLoc：增强植物蛋白亚细胞定位预测能力的自上而下策略
影响因子：
3.7
作者：
Chou KC;Shen HB
通讯作者：
Shen HB
影响因子：
14.9
作者：
Harris, MA;Clark, J;White, R
通讯作者：
White, R
影响因子：
3
作者：
Lei, Zhengdeng;Dai, Yang
通讯作者：
Dai, Yang