The β-hairpin Motifs Prediction Using Support Vector Machine
用支持向量机识别 β-发夹模体

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。