• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2011 IEEE International Conference on Bioinformatics and Biomedicine >Learning Condition-Dependent Dynamical PPI Networks from Conflict-Sensitive Phosphorylation Dynamics
【24h】

Learning Condition-Dependent Dynamical PPI Networks from Conflict-Sensitive Phosphorylation Dynamics

机译：从冲突敏感的磷酸化动力学中学习条件相关的动态PPI网络

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

An important issue in protein-protein interaction network studies is the identification of interaction dynamics. Two factors contribute to the dynamics. One, not all proteins may be expressed in a given cell, and two, competition may exist among multiple proteins for a particular protein domain. Taking into account these two factors, we propose a novel approach to predict protein-protein interaction network dynamics by learning from conflict-sensitive phosphorylation dynamics. We built a training model from conflict-sensitive phosphorylation dynamics. In this model, each node is not an individual protein but a protein-protein pair and is labeled with terms representing conditions in which the interaction should be observed. We mapped the protein pairs in a vector space, built hyper-edges over the interaction nodes, and developed rank-like SVM with Laplacian regularizers for PPI network dynamics prediction. We also employed the standard F1 measure for evaluating the effectiveness of classification results.
机译：蛋白质 - 蛋白质相互作用网络研究中的一个重要问题是识别相互作用动态。两个因素有助于动态。一种，并非所有蛋白质可以在给定的细胞中表达，并且两者在多种蛋白质中可能存在于特定蛋白质结构域的多种蛋白质中。考虑到这两个因素，我们提出了一种新的方法来通过从冲突敏感的磷酸化动力学学习来预测蛋白质 - 蛋白质相互作用网络动态。我们从冲突敏感性磷酸化动力学建立了培训模型。在该模型中，每个节点不是单独的蛋白质，而是一种蛋白质蛋白质对，并用表示应该观察到相互作用的条件的术语标记。我们在矢量空间中映射了蛋白质对，在交互节点上构建了超边，并为PPI网络动态预测的Laplacian常规开发了秩类似的SVM。我们还使用标准F1措施来评估分类结果的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号