博鱼,博鱼体育,博鱼官方网站,博鱼体育登录入口,博鱼体育官方平台,博鱼中国官方网站,博鱼官网,博鱼体育登录入口,博鱼体育官网,博鱼体育下载,博鱼体育平台,博鱼app下载,博鱼注册网址,博鱼官方网站

　　华中科技大学博士学位论文机器学习在蛋白质结构和功能预测中的应用研究姓名王燕申请学位级别博士专业系统分析与集成指导教师许进20061113III酸出现的频率，这有助于Π转角的设计。（4）综合使用支持向量机和PSSMS来预测蛋白质与RNA相互作用位点。我们考虑了两种情况，仅仅知道与RNA相互作用的蛋白质的序列信息和已知与RNA相互作用的蛋白质的结构信息。当仅已知序列信息时，最好的预测性能是使用PSSMS和预测的二级结构作为输入信息时得到的，MCC值是0432，是目前从序列出发预测蛋白质与RNA相互作用位点最好的预测性能。进化信息对预测性能的提升起至关重要的作用。当已知与RNA相互作用的蛋白质的结构信息时，预测性能进一步提升。（5）使用了简单的信息离散性度量方法来区分Β桶形膜蛋白和球形蛋白。当L2时，经过10折交叉验证，识别Β桶形膜蛋白正确率是91％，识别球形蛋白的正确率是86％。它还能正确识别跨膜Α螺旋蛋白，识别正确率为89％。此外，我们还用简并的氨基酸字符集测试了该方法。当氨基酸字符集减少到15、12和10时，总正确率下降的很少。这说明识别Β桶形膜蛋白和球形蛋白所需的最小信息是10个字符。当用相同的数据集测试时，信息离散性度量方法比以前的方法取得了更好的MCC值。关键词关键词Α转角Π转角Β桶形膜蛋白蛋白质与RNA相互作用机器学习支持向量机信息离散性度量方法