• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BioMed Research International >Prediction of Substrate-Enzyme-Product Interaction Based on Molecular Descriptors and Physicochemical Properties
【2h】

Prediction of Substrate-Enzyme-Product Interaction Based on Molecular Descriptors and Physicochemical Properties

机译：基于分子描述符和理化性质的底物-酶-产物相互作用预测

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

It is important to correctly and efficiently predict the interaction of substrate-enzyme and to predict their product in metabolic pathway. In this work, a novel approach was introduced to encode substrate/product and enzyme molecules with molecular descriptors and physicochemical properties, respectively. Based on this encoding method, KNN was adopted to build the substrate-enzyme-product interaction network. After selecting the optimal features that are able to represent the main factors of substrate-enzyme-product interaction in our prediction, totally 160 features out of 290 features were attained which can be clustered into ten categories: elemental analysis, geometry, chemistry, amino acid composition, predicted secondary structure, hydrophobicity, polarizability, solvent accessibility, normalized van der Waals volume, and polarity. As a result, our predicting model achieved an MCC of 0.423 and an overall prediction accuracy of 89.1% for 10-fold cross-validation test.
机译：正确有效地预测底物酶的相互作用并预测其在代谢途径中的产物非常重要。在这项工作中，引入了一种新颖的方法来分别编码具有分子描述符和理化特性的底物/产物和酶分子。基于这种编码方法，采用KNN构建底物-酶-产物相互作用网络。在我们的预测中选择了能够代表底物-酶-产物相互作用的主要因素的最佳特征后，总共获得了290个特征中的160个特征，这些特征可以分为十类：元素分析，几何，化学，氨基酸组成，预计的二级结构，疏水性，极化性，溶剂可及性，范德华体积和极性。结果，我们的预测模型对10倍交叉验证测试的MCC为0.423，总预测准确性为89.1％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

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