...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Structural Chemistry >Improving protein secondary structure prediction: the evolutionary optimized classification algorithms
【24h】

Improving protein secondary structure prediction: the evolutionary optimized classification algorithms

机译：改善蛋白质二级结构预测：进化优化的分类算法

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

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

摘要

Determining protein structures plays an important role in the field of drug design. Currently, the machine learning methods including artificial neural network (ANN) and support vector machine (SVM) have replaced the experimental techniques to determine these structures. However, as these predictions are increasingly becoming the workhorse for numerous methods aimed at predicting protein structure and function, it still needs to be improved. In this study, evolutionary optimized neural network (EONN) and evolutionary optimized support vector machine (EOSVM) were applied to predict protein secondary structure using GA, DE, and PSO. Despite the simplicity of the applied methods, the results are found to be superior to those achieved through other techniques. The EONN and EOSVM modestly improved the accuracy by 6% and 5% on the same database, respectively.
机译：测定蛋白质结构在药物设计领域起着重要作用。 目前，包括人工神经网络（ANN）和支持向量机（SVM）的机器学习方法已经取代了确定这些结构的实验技术。 然而，由于这些预测越来越多地成为旨在预测蛋白质结构和功能的许多方法的主力，因此仍然需要改善。 在该研究中，应用进化优化的神经网络（EONE）和进化优化的支持向量机（EOSVM）使用GA，DE和PSO预测蛋白质二级结构。 尽管应用方法的简单性，但结果发现优于通过其他技术实现的结果。 EONN和EOSVM分别在同一数据库中纯度提高了6％和5％的准确性。

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