• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computational Biology and Bioinformatics, IEEE/ACM Transactions on >On Position-Specific Scoring Matrix for Protein Function Prediction
【24h】

On Position-Specific Scoring Matrix for Protein Function Prediction

机译：蛋白质功能预测的特定位置评分矩阵

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

While genome sequencing projects have generated tremendous amounts of protein sequence data for a vast number of genomes, substantial portions of most genomes are still unannotated. Despite the success of experimental methods for identifying protein functions, they are often lab intensive and time consuming. Thus, it is only practical to use in silico methods for the genome-wide functional annotations. In this paper, we propose new features extracted from protein sequence only and machine learning-based methods for computational function prediction. These features are derived from a position-specific scoring matrix, which has shown great potential in other bininformatics problems. We evaluate these features using four different classifiers and yeast protein data. Our experimental results show that features derived from the position-specific scoring matrix are appropriate for automatic function annotation.
机译：尽管基因组测序项目已经为大量基因组生成了大量蛋白质序列数据，但大多数基因组的大部分仍未注释。尽管鉴定蛋白质功能的实验方法取得了成功，但它们通常需要大量实验室并且耗时。因此，仅将计算机方法用于全基因组功能注释是可行的。在本文中，我们提出了仅从蛋白质序列中提取的新特征以及基于机器学习的计算功能预测方法。这些特征来自于特定位置的评分矩阵，该矩阵在其他二进制信息学问题中显示出巨大潜力。我们使用四个不同的分类器和酵母蛋白质数据评估这些功能。我们的实验结果表明，从位置特定的评分矩阵派生的特征适用于自动功能注释。

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