Support vector machines for predicting protein structural class.
Support vector machines for predicting protein structural class.
复制标题
DOI：
10.1186/1471-2105-2-3
复制
发表时间：
2001
影响因子：
3
通讯作者：
Zhou GP
中科院分区：
文献类型：
--
作者：
Cai YD;Liu XJ;Xu X;Zhou GP
我们应用一种新的机器学习方法，即所谓的支持向量机方法，来预测蛋白质结构类别。支持向量机方法是基于源自 SCOP 的数据库执行的，其中蛋白质结构域根据已知结构和进化关系以及控制其 3-D 结构的原理进行分类。获得了很高的自洽率和折刀测试率。良好的结果表明蛋白质的结构类别与其氨基酸组成显着相关。预计支持向量机方法和优雅的组件耦合方法（也称为协变判别算法）如果相互补充，可以为预测蛋白质的结构类别提供强大的计算工具。
We apply a new machine learning method, the so-called Support Vector Machine method, to predict the protein structural class. Support Vector Machine method is performed based on the database derived from SCOP, in which protein domains are classified based on known structures and the evolutionary relationships and the principles that govern their 3-D structure. High rates of both self-consistency and jackknife tests are obtained. The good results indicate that the structural class of a protein is considerably correlated with its amino acid composition. It is expected that the Support Vector Machine method and the elegant component-coupled method, also named as the covariant discrimination algorithm, if complemented with each other, can provide a powerful computational tool for predicting the structural classes of proteins.
登录
查看更多内容
DOI：
10.1002/prot.340160109
发表时间：
1993-05-01
期刊：
PROTEINS-STRUCTURE FUNCTION AND GENETICS
影响因子：
--
作者：
DUBCHAK, I;HOLBROOK, SR;KIM, SH
通讯作者：
KIM, SH
DOI：
10.1073/pnas.97.1.262
发表时间：
2000-01-04
影响因子：
11.1
作者：
Brown, MPS;Grundy, WN;Haussler, D
通讯作者：
Haussler, D
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V
DOI：
10.1002/prot.340210406
发表时间：
1995-04-01
期刊：
PROTEINS-STRUCTURE FUNCTION AND GENETICS
影响因子：
--
作者：
CHOU, KC
通讯作者：
CHOU, KC
DOI：
10.1023/a:1020713915365
发表时间：
1998-11-01
期刊：
JOURNAL OF PROTEIN CHEMISTRY
影响因子：
--
作者：
Zhou, GP
通讯作者：
Zhou, GP