期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
GP-MaxEnt模型的蛋白质二级结构预测 被引量:1
1
作者 杨伟 王宽全 左旺孟 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2009年第8期65-68,共4页
针对单序列蛋白质二级结构预测问题,提出了一种基于高斯先验最大熵(GP-MaxEnt)模型的预测方法.该方法根据氨基酸的构象偏好进行特征构造,利用改进迭代缩放算法(ⅡS)训练高斯先验最大熵模型.使用CB513数据集对GP-MaxEnt模型进行了测试分... 针对单序列蛋白质二级结构预测问题,提出了一种基于高斯先验最大熵(GP-MaxEnt)模型的预测方法.该方法根据氨基酸的构象偏好进行特征构造,利用改进迭代缩放算法(ⅡS)训练高斯先验最大熵模型.使用CB513数据集对GP-MaxEnt模型进行了测试分析.试验表明,该方法简单有效,能够获得较好的预测精度. 展开更多
关键词 蛋白质二级结构预测 单序列预测 最大熵模型 高斯先验
在线阅读 下载PDF
蛋白质二级结构的条件隐Markov性及其预测问题 被引量:4
2
作者 沈世镒 阮吉寿 《工程数学学报》 CSCD 北大核心 2003年第3期117-124,共8页
蛋白质二级结构预测问题自1957年首次被提出迄今已有40多年了,从知道的文献中可以得出如下信息:在统计意义之下,蛋白质序列中氨基酸之间的相互作用较弱,所以,统计方法中所依赖的独立性假设虽然不是从物理背景中得来的,但的确有其合理性... 蛋白质二级结构预测问题自1957年首次被提出迄今已有40多年了,从知道的文献中可以得出如下信息:在统计意义之下,蛋白质序列中氨基酸之间的相互作用较弱,所以,统计方法中所依赖的独立性假设虽然不是从物理背景中得来的,但的确有其合理性和方便之处;交互信息准则优于均方误差准则;信息和统计的思想和方法在预测二级结构中不可低估;加入蛋白质的一级结构之外的信息可帮助提高二级结构预测的精度;而直接从一级结构出发无附加信息的情况下预测二级结构,现存在的预测方法的预测精度仍然无较大突破;预测精度和所使用的蛋白质样本序列在总体样本中的覆盖率,是评估各种预测方法的有效性的两个重要指标。本文作者建立了一个集蛋白质一、二级结构为一体联合结构模型,并将上述信息囊括在其中。由该模型首先得到蛋白质一、二级结构的信息与统计特性,然后利用这些特性分别对蛋白质一、二级结构中各种变量的信息传递关系及隐Markov性进行定量分析和确切地统计描述。最后给出直接从一级结构出发预测二级结构的几个原则。 展开更多
关键词 蛋白质一、二级结构的联合结构模型 三肽链 二级结构预测精度和覆盖率 隐Markov性
在线阅读 下载PDF
应用优化的隐马尔可夫模型预测蛋白质二级结构 被引量:1
3
作者 石鸥燕 杨惠云 +1 位作者 杨晶 田心 《高技术通讯》 EI CAS CSCD 北大核心 2008年第7期738-742,共5页
针对3-状态隐马尔可夫模型(HMM)预测蛋白质二级结构准确率不高的问题,提出了7-状态和15-状态 HMM。研究对象为 CB513数据集合中筛选出的492条蛋白质序列,将其随机均分7组。分别应用7-状态和15-状态 HMM 对以上数据集进行二级结构预测,... 针对3-状态隐马尔可夫模型(HMM)预测蛋白质二级结构准确率不高的问题,提出了7-状态和15-状态 HMM。研究对象为 CB513数据集合中筛选出的492条蛋白质序列,将其随机均分7组。分别应用7-状态和15-状态 HMM 对以上数据集进行二级结构预测,对预测准确率进行了7-交叉验证,并将预测结果与应用3-状态 HMM 的预测结果进行了比较。结果表明,应用7-状态 HMM,Q_3准确率提高3.11%,SOV 提高6.15%,Q_E提高6.49%;应用15-状态 HMM,Q_E比7-状态 HMM 又提高5.74%。在15.状态 HMM 预测中加入序列的同源信息后,Q_3准确率比单序列15-状态 HMM 增加8.76%。结果表明,7-状态HMM 预测能力优于3-状态 HMM,15-状态 HMM 总体预测能力和7-状态 HMM 相当,但β折叠预测能力强于7-状态 HMM。 展开更多
关键词 蛋白质二级结构预测 隐马尔可夫模型(HMM) 7-状态 15-状态
在线阅读 下载PDF
基于神经网络的多聚脯氨酸二型结构预测
4
作者 陆克中 黄可望 须文波 《无锡轻工大学学报(食品与生物技术)》 CSCD 北大核心 2005年第1期84-88,共5页
使用“机器学习方法”对稀有的多聚脯氨酸二型(PPII)的二级结构进行预测,在预处理蛋白质序列的基础上,使用生物信息学中常用的 BP神经网络预测 PPII二级结构.通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输... 使用“机器学习方法”对稀有的多聚脯氨酸二型(PPII)的二级结构进行预测,在预处理蛋白质序列的基础上,使用生物信息学中常用的 BP神经网络预测 PPII二级结构.通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为 13 个氨基酸残基和隐节点数为15时预测效果最好,此时的预测精度可达73.8%. 展开更多
关键词 神经网络 BP-模型 蛋白质二级结构 多聚脯氨酸二型结构预测 多聚脯氨酸二型结构
在线阅读 下载PDF
大豆过敏原11S球蛋白G2中A2链结合表位的预测 被引量:10
5
作者 刘阳星月 张迪 +3 位作者 姚亚亚 苗字叶 刘壮 李慧静 《食品科学》 EI CAS CSCD 北大核心 2018年第18期152-158,共7页
采用生物信息学软件NCBI Gen Bank数据库、PDB数据库、SWISS-MODEL、Deep View 4.1等预测11S球蛋白G2中A2链的二级结构和三级结构模型,使用Disco Tope 2.0 Server软件预测B细胞构象表位,发现构象表位多位于无规则卷曲处。定位B细胞线性... 采用生物信息学软件NCBI Gen Bank数据库、PDB数据库、SWISS-MODEL、Deep View 4.1等预测11S球蛋白G2中A2链的二级结构和三级结构模型,使用Disco Tope 2.0 Server软件预测B细胞构象表位,发现构象表位多位于无规则卷曲处。定位B细胞线性结合表位,结果表明11S球蛋白G2中A2链的可能线性表位有:^(37)KPDNRIE^(43)、^(79)PSYTNGP^(85)、^(114)SQQRGRSQRP^(123)、^(52)WNPNNK^(57)、^(196)QQGGSQSQKGKQQE^(209)、^(241)QGENEEED^(248)、^(267)RKPQQEEDDDDEEEQ^(281)、^(287)TDKGC^(291)。此表位预测为后续制肽、免疫等操作找出更准确的肽序,以便建立适合我国大豆过敏人群的食品大豆过敏原的检测技术。 展开更多
关键词 大豆过敏原 11S球蛋白G2中A2链 生物信息学软件 蛋白质二级结构 三级结构模型 B细胞表位
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部