13、蛋白质半胱氨酸残基键合状态预测与细胞拉曼光谱监督分类方法

最新推荐文章于 2025-10-31 13:51:21 发布

open4

最新推荐文章于 2025-10-31 13:51:21 发布

阅读量25

点赞数

CC 4.0 BY-SA版权

分类专栏：生物信息学前沿探秘文章标签：蛋白质半胱氨酸残基二硫键预测 GRHCRF

本文链接：https://blog.youkuaiyun.com/open4/article/details/153559421

31 篇文章 ¥499.90

订阅专栏¥69.90

在生物学和医学领域，蛋白质半胱氨酸残基键合状态的预测以及细胞类型的区分都具有重要意义。下面将详细介绍相关的研究内容。

不同模型的交叉验证性能
- 研究测试了多种机器学习方法，包括SVM、HSVM、SVM - HMM和GRHCRF，以预测半胱氨酸的二硫键键合状态。使用了两种不同的输入编码（基于PSSM和基于轮廓）和两种不同的自动机（4状态和7状态）。
- 从交叉验证性能来看，当使用PSSM编码进化信息时，所有方法的表现都优于使用序列轮廓编码。具体数据如下表所示：
  |方法|Pr(b)|Re(b)|F1(b)|Pr(f)|Re(f)|F1(f)|Q2†|CC†|Qp†|
  | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
  |SVM*|0.78|0.56|0.65|0.89|0.96|0.92|0.87|0.59|0.75|
  |HSVM|0.92|0.56|0.69|0.89|0.98|0.94|0.89|0.66|0.86|
  |SVM - HMM|0.86|0.64|0.73|0.91|0.97|0.94|0.90|0.69|0.85|
  |GRHCRF|0.88|0.69|0.77|0.92|0.97|0.95|0.91|0.73|0.87|
- 注：SVM与HMM结合（HSVM）显示出性能提升。对