Boosting Protein Threading Accuracy.
Boosting Protein Threading Accuracy.
复制标题
提高蛋白质螺纹精度。
DOI：
10.1007/978-3-642-02008-7_3
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
Xu, Jinbo
中科院分区：
文献类型：
--
作者：
Peng, Jian;Xu, Jinbo
关键词：
蛋白质穿线是目前最成功的蛋白质结构预测方法之一。大多数蛋白质穿线方法使用序列和结构特征线性结合的评分函数来衡量序列-模板比对的质量，因此可以使用动态规划算法来优化评分函数。然而，线性评分函数不能充分利用特征之间的相互依赖性，因此限制了对齐精度。本文提出了一种用于蛋白质线程的非线性评分函数，该函数不仅可以模拟不同蛋白质特征之间的相互作用，而且可以使用动态规划算法进行有效的优化。我们通过使用概率图形模型条件随机场（CRF）建模线程问题并使用梯度树增强算法训练模型来实现这一点。所得模型是一个由回归树集合组成的非线性评分函数。每个回归树都对序列和结构特征之间的一种非线性关系进行建模。实验结果表明，该模型可以有效地利用微弱的生物信号，大大提高对线精度和折痕识别率。
Protein threading is one of the most successful protein structure prediction methods. Most protein threading methods use a scoring function linearly combining sequence and structure features to measure the quality of a sequence-template alignment so that a dynamic programming algorithm can be used to optimize the scoring function. However, a linear scoring function cannot fully exploit interdependency among features and thus, limits alignment accuracy. This paper presents a nonlinear scoring function for protein threading, which not only can model interactions among different protein features, but also can be efficiently optimized using a dynamic programming algorithm. We achieve this by modeling the threading problem using a probabilistic graphical model Conditional Random Fields (CRF) and training the model using the gradient tree boosting algorithm. The resultant model is a nonlinear scoring function consisting of a collection of regression trees. Each regression tree models a type of nonlinear relationship among sequence and structure features. Experimental results indicate that this new threading model can effectively leverage weak biological signals and improve both alignment accuracy and fold recognition rate greatly.
登录
查看更多内容
影响因子：
2.9
作者：
Pollastri, G;Baldi, P;Casadio, R
通讯作者：
Casadio, R
影响因子：
5.8
作者：
Pei, JM;Sadreyev, R;Grishin, NV
通讯作者：
Grishin, NV
影响因子：
14.9
作者：
Ginalski, K;Pas, J;Rychlewski, L
通讯作者：
Rychlewski, L
影响因子：
5.6
作者：
Kihara, D;Skolnick, J
通讯作者：
Skolnick, J
影响因子：
5.6
作者：
Jones, DT
通讯作者：
Jones, DT