项目名称: 蛋白质结构类预测中的特征信息提取与分类算法研究

项目编号: No.11426056

项目类型: 专项基金项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 丁淑妍

作者单位: 大连民族学院

项目金额: 3万元

中文摘要: 蛋白质结构类预测在蛋白质二级结构预测、蛋白质的空间结构和功能预测等领域扮演着重要的角色。本项目针对蛋白质结构类预测中的特征信息提取和融合等问题展开,主要研究如何全面获取有效的特征信息和设计可融合多源特征信息的分类策略。主要内容包括:通过马尔科夫链模型、字统计模型和信息熵结合定义子序列重叠度,对子序列分类,以此为基础研究不同子序列的结构差异;通过多元统计方法研究如何提取特异性打分矩阵中涉及到的氨基酸残基之间、不同突变情况之间隐含的内在关联信息,并最终确定合理的氨基酸最大间隔范围;将模糊神经网络技术引入到蛋白质结构类预测分类策略中,有效融合多源信息,提高蛋白质结构类预测精确度。本项目研究基于现有的测试数据展开,同时构建充足、稳定的独立数据加以验证。本项目的研究成果将有助于蛋白质空间结构和功能的研究,还能够为蛋白质结构类信息分析和应用算法设计提供新的思路。

中文关键词: 机器学习;信息提取;信息融合;;蛋白质结构类

英文摘要: Knowledge of structural class information of a given protein plays an important role in the prediction of secondary structure, tertiary structure and function analysis from the amino acid sequence. This project aims at problems related to protein information extraction and fusion, and focuses on how to extract structural features from protein sequence and design the multi-source information fusion classification strategies. The main contents include: studying how to extract features from the specific scoring matrix to reflect the information of different amino acids and different columns based on multivariate statistical methods; with the utilization of Markov model, word statistical model and information entropy to define subsequence overlapping degree, then studying the structure differences of different subsequences; integrating the multi-source information based on fuzzy neural network classification strategy to improve the result of protein structural classes prediction. The research is based on the public datasets, and we will construct abundantly independent datasets to test our method. Results of this project will not only contribute to the study of protein spatial structure and function, but also to provide new ideas for the analysis of protein structural classes information and application algorithm de

英文关键词: Machine learning;Information extraction;Information fusion;Protein structural classes;

成为VIP会员查看完整内容
1

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
《信息技术大数据系统基本要求》国家标准,11页pdf
专知会员服务
46+阅读 · 2022年2月27日
「图分类研究」最新2022综述
专知会员服务
96+阅读 · 2022年2月13日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
【干货书】健康和生命科学的数据文本处理,107页pdf
专知会员服务
41+阅读 · 2021年7月11日
专知会员服务
20+阅读 · 2021年4月15日
专知会员服务
44+阅读 · 2021年1月31日
专知会员服务
25+阅读 · 2020年12月17日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
12+阅读 · 2021年6月29日
小贴士
相关VIP内容
《信息技术大数据系统基本要求》国家标准,11页pdf
专知会员服务
46+阅读 · 2022年2月27日
「图分类研究」最新2022综述
专知会员服务
96+阅读 · 2022年2月13日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
【干货书】健康和生命科学的数据文本处理,107页pdf
专知会员服务
41+阅读 · 2021年7月11日
专知会员服务
20+阅读 · 2021年4月15日
专知会员服务
44+阅读 · 2021年1月31日
专知会员服务
25+阅读 · 2020年12月17日
相关资讯
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
相关基金
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员