检索结果-维普期刊中文期刊服务平台

PPIS-MFH:集成ViT的多特征混合网络预测蛋白质相互作用位点: 1; 作者胡昭龙胡春玲 +1 位作者胡瑞捷郭龙菊《计算机科学》北大核心 2025年第S2期185-193,共9页; 通过深入研究蛋白质-蛋白质相互作用位点(PPIS),能够揭示生命在分子层面运作的深层原理。然而现有方法鉴定PPIS复杂且耗时,需要更精确的模型进行PPIS预测。尽管基于注意力机制和卷积神经网络(CNN)的深度学习方法在PPIS预测方面取得了进... 展开更多; 关键词蛋白质-蛋白质相互作用位点注意力机制文本卷积神经网络双向门控循环单元网络特征交叉网络; 在线阅读下载PDF 职称材料

基于进化保守性的蛋白质相互作用位点预测被引量：1: 2; 作者程节华程家兴杜秀全《计算机工程与设计》 CSCD 北大核心 2011年第5期1833-1836,共4页; 为了从蛋白质结构数据库中提取经验知识,进行蛋白质作用位点预测,提出了以蛋白质序列谱作为特征向量,采用支持向量机算法进行训练和预测蛋白质相互作用位点的方法。从蛋白质一级序列出发,以序列上邻近残基的序列谱为输入特征向量,采用... 展开更多; 关键词蛋白质相互作用位点进化保守性序列谱支持向量机蛋白质结构数据库; 在线阅读下载PDF 职称材料

多特征融合的蛋白质相互作用位点预测: 3; 作者程家兴杜秀全王池社《计算机工程与应用》 CSCD 北大核心 2009年第16期50-52,59,共4页; 蛋白质相互作用位点预测为蛋白质功能和药物设计的理解提供重要线索。而蛋白质的各种特征为蛋白质相互作用位点预测提供了大量有用信息,特别是进化信息、残基序列邻近和空间邻近性。不同的蛋白质特征对蛋白质间的相互作用的贡献也不一... 展开更多; 关键词蛋白质相互作用位点蛋白质特征序列谱残基保守性残基熵支持向量机; 在线阅读下载PDF 职称材料

基于多窗口不同特征的蛋白质相互作用位点预测: 4; 作者王菲露宋杨《安徽大学学报（自然科学版）》 CAS 北大核心 2010年第5期64-68,共5页; 识别蛋白质相互作用位点在蛋白质功能研究中发挥着重要作用.文章从蛋白质序列出发,提取相关特征——序列谱、序列谱+信息熵,分别形成多个滑动窗口,以此构造输入特征向量.采用"留一法"生成训练数据集和测试数据集,使用支持向... 展开更多; 关键词蛋白质相互作用位点序列谱信息熵滑动窗口支持向量机; 在线阅读下载PDF 职称材料

应用支持向量机预测蛋白质相互作用位点被引量：1: 5; 作者孟炜王飞飞 +2 位作者彭新俊沈称意王翼飞《应用科学学报》 CAS CSCD 北大核心 2008年第4期403-408,共6页; 蛋白质相互作用位点的识别对于突变设计和预测蛋白质相互作用的网络是非常重要的.基于支持向量机学习方法,该文提出一种用于预测蛋白质相互作用位点的有效数据属性抽取方法,该方法利用蛋白质的序列信息、蛋白质残基的可及表面积和进化... 展开更多; 关键词蛋白质相互作用位点支持向量机序列信息可及表面积进化率; 在线阅读下载PDF 职称材料

基于序列剖面和可及表面积的蛋白质相互作用位点的预测被引量：1: 6; 作者刘阳张冬宁 +3 位作者邵建林沈称意汤正诠王翼飞《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2006年第6期593-598,共6页; 蛋白质相互作用位点的预测对于突变设计和蛋白质相互作用网络的重构都是至关重要的.由于实验确定的蛋白质复合物和蛋白质配体复合物的结构依然相当少,预测蛋白质相互作用位点的计算方法就显得十分重要.该文提出了一种以支持向量机为分类... 展开更多; 关键词蛋白质相互作用位点支持向量机剖面可及表面积; 在线阅读下载PDF 职称材料

基于组合特征集成的蛋白质相互作用位点预测: 7; 作者崔娟陈月辉《济南大学学报（自然科学版）》 CAS 北大核心 2012年第1期6-10,共5页; 运用RBF神经网络预测蛋白质相互作用位点。首先提取序列谱、保守权重、熵值、复合物可及表面积和序列变化率等一系列蛋白质相互作用位点的关键特征。然后应用RBF神经网络以及它们的集成来对这些样本集进行训练与测试。使用10次交叉验证... 展开更多; 关键词蛋白质相互作用位点特征神经网络集成; 在线阅读下载PDF 职称材料

题名PPIS-MFH:集成ViT的多特征混合网络预测蛋白质相互作用位点: 1; 作者胡昭龙胡春玲胡瑞捷郭龙菊; 机构合肥大学人工智能与大数据学院; 出处《计算机科学》北大核心 2025年第S2期185-193,共9页; 基金国家自然科学基金面上项目:面向动态知识图谱的局部图表示学习研究(62306100)。; 文摘通过深入研究蛋白质-蛋白质相互作用位点(PPIS),能够揭示生命在分子层面运作的深层原理。然而现有方法鉴定PPIS复杂且耗时,需要更精确的模型进行PPIS预测。尽管基于注意力机制和卷积神经网络(CNN)的深度学习方法在PPIS预测方面取得了进展,但在氨基酸特性表征上仍存在局限。为了有效捕捉蛋白质序列中远距离的依赖关系,并准确地表征氨基酸的特性,提出了一种用于预测蛋白质-蛋白质相互作用位点的多特征混合网络(Multi-feature hybrid networks)——PPIS-MFH,通过结合全局序列特征与局部序列特征对PPIS进行预测。对于局部序列特征,PPIS-MFH模型融合了Vision Transformer(ViT)模块,该模块能够捕获蛋白质序列中的远距离依赖性,并提取局部特征。对于全局序列特征,模型PPIS-MFH通过由文本卷积神经网络(TextCNN)并引入注意力机制的文本循环神经网络(TextRNN-Attention)构成的特征交叉网络,利用双向门控循环单元网络来识别蛋白质序列中氨基酸间的内在联系。在4个数据集上对PPIS-MFH模型进行了评估,将其与8种同类方法进行了比较。实验结果显示在大多数指标上,所提方法优于其他的同类方法。; 关键词蛋白质-蛋白质相互作用位点注意力机制文本卷积神经网络双向门控循环单元网络特征交叉网络; Keywords Protein-protein interaction site Attention mechanism Text convolutional neural network Bidirectional gated recurrent neural network Feature crosses network; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于进化保守性的蛋白质相互作用位点预测被引量：1: 2; 作者程节华程家兴杜秀全; 机构安徽大学计算智能与信号处理教育部重点实验室安徽科技学院计算机系; 出处《计算机工程与设计》 CSCD 北大核心 2011年第5期1833-1836,共4页; 基金安徽省高校自然科学研究基金项目(KJB2007B159); 文摘为了从蛋白质结构数据库中提取经验知识,进行蛋白质作用位点预测,提出了以蛋白质序列谱作为特征向量,采用支持向量机算法进行训练和预测蛋白质相互作用位点的方法。从蛋白质一级序列出发,以序列上邻近残基的序列谱为输入特征向量,采用支持向量机方法构建预测器,来预测蛋白质相互作用位点,预测精度达到70.47%,相关系数CC=0.1919。实验结果表明,利用蛋白质序列谱,结合支持向量机算法进行蛋白质相互作用位点预测的方法是有效的。; 关键词蛋白质相互作用位点进化保守性序列谱支持向量机蛋白质结构数据库; Keywords protein-protein interaction sites evolution conservation sequence profile SVM PDB; 分类号 TP39 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多特征融合的蛋白质相互作用位点预测: 3; 作者程家兴杜秀全王池社; 机构安徽大学计算智能与信号处理教育部重点实验室; 出处《计算机工程与应用》 CSCD 北大核心 2009年第16期50-52,59,共4页; 基金国家教育部博士点基金(No.200403057002) 安徽大学研究生创新项目(No.20073056) +1 种基金安徽省高校自然科学研究一般项目(No.KJ2007B066)~~; 文摘蛋白质相互作用位点预测为蛋白质功能和药物设计的理解提供重要线索。而蛋白质的各种特征为蛋白质相互作用位点预测提供了大量有用信息,特别是进化信息、残基序列邻近和空间邻近性。不同的蛋白质特征对蛋白质间的相互作用的贡献也不一样。通过提取蛋白质序列谱、保守性和残基熵,提出了特征融合技术对蛋白质相互作用位点进行研究,采用SVM构建三种预测器,分别对各种不同的特征加以验证,实验结果表明了基于特征融合方法的有效性和正确性。; 关键词蛋白质相互作用位点蛋白质特征序列谱残基保守性残基熵支持向量机; Keywords protein interaction sites protein feature sequence profile residue conserved score residue entropy Support Veetor Machine（SVM）; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多窗口不同特征的蛋白质相互作用位点预测: 4; 作者王菲露宋杨; 机构安徽建筑工业学院电子与信息工程学院中国科学院合肥智能机械研究所中国科学技术大学自动化系; 出处《安徽大学学报（自然科学版）》 CAS 北大核心 2010年第5期64-68,共5页; 基金安徽省重大自然科学研究基金资助项目(ZD200906) 安徽建筑工业学院青年科研基金资助项目(20104008); 文摘识别蛋白质相互作用位点在蛋白质功能研究中发挥着重要作用.文章从蛋白质序列出发,提取相关特征——序列谱、序列谱+信息熵,分别形成多个滑动窗口,以此构造输入特征向量.采用"留一法"生成训练数据集和测试数据集,使用支持向量机构建6种分类器,预测测试集中的表面残基是否是蛋白质相互作用位点,得到了较好的结果,说明了实验方法的有效性和可行性.; 关键词蛋白质相互作用位点序列谱信息熵滑动窗口支持向量机; Keywords protein-protein interaction site sequence profile information entropy sliding window Support Vector Machine （SVM）; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名应用支持向量机预测蛋白质相互作用位点被引量：1: 5; 作者孟炜王飞飞彭新俊沈称意王翼飞; 机构上海大学数学系; 出处《应用科学学报》 CAS CSCD 北大核心 2008年第4期403-408,共6页; 基金国家自然科学基金(No.30571059) 国家"863"高技术研究发展计划(No.2006AA02Z190)资助项目; 文摘蛋白质相互作用位点的识别对于突变设计和预测蛋白质相互作用的网络是非常重要的.基于支持向量机学习方法,该文提出一种用于预测蛋白质相互作用位点的有效数据属性抽取方法,该方法利用蛋白质的序列信息、蛋白质残基的可及表面积和进化率来构造向量,通过十倍交叉验证来对数据进行训练和预测.实际计算的结果显示,该方法的准确率为72.19%,比只利用序列信息和进化率信息的方法提高了5.71%.; 关键词蛋白质相互作用位点支持向量机序列信息可及表面积进化率; Keywords protein-protein interaction sites, support vector machine （ SVM）, sequence profiles, accessible surfacearea, evolution rate; 分类号 O024 [理学]; 在线阅读下载PDF 职称材料

题名基于序列剖面和可及表面积的蛋白质相互作用位点的预测被引量：1: 6; 作者刘阳张冬宁邵建林沈称意汤正诠王翼飞; 机构上海大学理学院; 出处《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2006年第6期593-598,共6页; 基金国家973重大基础研究资助项目(001CB510205); 文摘蛋白质相互作用位点的预测对于突变设计和蛋白质相互作用网络的重构都是至关重要的.由于实验确定的蛋白质复合物和蛋白质配体复合物的结构依然相当少,预测蛋白质相互作用位点的计算方法就显得十分重要.该文提出了一种以支持向量机为分类器,以邻近残基的序列剖面和可及表面积为输入数据来预测蛋白质相互作用位点的方法.计算结果显示,界面残基和非界面残基被识别的准确率为75.12%,假阳性率为28.04%.与输入数据仅有序列剖面的方法相比,界面残基和非界面残基被识别的准确率提高了4.34%,假阳性率降低了4.63%.; 关键词蛋白质相互作用位点支持向量机剖面可及表面积; Keywords protein-protein interaction sites support vector machines profile accessible surface area （ASA）; 分类号 O224 [理学—运筹学与控制论]; 在线阅读下载PDF 职称材料

题名基于组合特征集成的蛋白质相互作用位点预测: 7; 作者崔娟陈月辉; 机构济南大学信息科学与工程学院; 出处《济南大学学报（自然科学版）》 CAS 北大核心 2012年第1期6-10,共5页; 基金国家自然科学基金(61070130); 文摘运用RBF神经网络预测蛋白质相互作用位点。首先提取序列谱、保守权重、熵值、复合物可及表面积和序列变化率等一系列蛋白质相互作用位点的关键特征。然后应用RBF神经网络以及它们的集成来对这些样本集进行训练与测试。使用10次交叉验证进行训练与测试,创建了4组具有对比性的蛋白质相互作用特征组合。实验中每加入一种新的特征时正确预测率都会相应的提高,特别是加入可及表面积和序列变化率特征时正确率提高幅度更大,表明利用多特征组合,结合RBF神经网络算法进行预测蛋白质相互作用位点的方法是正确有效的。; 关键词蛋白质相互作用位点特征神经网络集成; Keywords protein interaction site feature neutral network integration; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	PPIS-MFH:集成ViT的多特征混合网络预测蛋白质相互作用位点	胡昭龙胡春玲胡瑞捷郭龙菊	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于进化保守性的蛋白质相互作用位点预测	程节华程家兴杜秀全	《计算机工程与设计》 CSCD 北大核心	2011	1	在线阅读下载PDF 职称材料
3	多特征融合的蛋白质相互作用位点预测	程家兴杜秀全王池社	《计算机工程与应用》 CSCD 北大核心	2009	0	在线阅读下载PDF 职称材料
4	基于多窗口不同特征的蛋白质相互作用位点预测	王菲露宋杨	《安徽大学学报（自然科学版）》 CAS 北大核心	2010	0	在线阅读下载PDF 职称材料
5	应用支持向量机预测蛋白质相互作用位点	孟炜王飞飞彭新俊沈称意王翼飞	《应用科学学报》 CAS CSCD 北大核心	2008	1	在线阅读下载PDF 职称材料
6	基于序列剖面和可及表面积的蛋白质相互作用位点的预测	刘阳张冬宁邵建林沈称意汤正诠王翼飞	《上海大学学报（自然科学版）》 CAS CSCD 北大核心	2006	1	在线阅读下载PDF 职称材料
7	基于组合特征集成的蛋白质相互作用位点预测	崔娟陈月辉	《济南大学学报（自然科学版）》 CAS 北大核心	2012	0	在线阅读下载PDF 职称材料