%0 Journal Article
%T The β-hairpin Motifs Prediction Using Support Vector Machine
用支持向量机识别 β-发夹模体
%A HU Xiu-zhen
%A LI Qian-zhong
%A
胡秀珍
%A 李前忠
%J 生物物理学报
%D 2007
%I
%X 基于蛋白质序列,提出了一种新的超二级结构模体β-发夹的预测方法。利用离散增量构成的向量来表示序列信息,并将6个离散增量输入支持向量机,在六维向量空间中寻找最优超平面,将β-发夹和非β-发夹进行分类。计算结果表明,利用所设计的算法预测β-发夹,有较高的预测能力。对于训练集,5-交叉检验的预测总精度为81.24%,相关系数为0.57,β-发夹敏感性为83.06%;对于独立的检验集,预测总精度为78.34%,相关系数0.56,β-发夹敏感性为77.24%。将此预测模型应用于CASP6的63个蛋白质进行检验,得到较好结果。
%K Super secondary structure
%K &beta
%K -hairpin motif
%K Increment of diversity
%K Support vector machine
超二级结构
%K β-发夹模体
%K 离散增量
%K 支持向量机
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=90BA3D13E7F3BC869AC96FB3DA594E3FE34FBF7B8BC0E591&jid=E0C9D9BBED813D6674AC13E942EAC86D&aid=61B23EEE32E781302FD4FB9911BD6937&yid=A732AF04DDA03BB3&vid=EA389574707BDED3&iid=B31275AF3241DB2D&sid=788931E6318420A3&eid=8F2250DA83AF77B8&journal_id=1000-6737&journal_name=生物物理学报&referenced_num=0&reference_num=15