-
公开(公告)号：CN106021999B
公开(公告)日：2018-02-27
申请号：CN201610327347.6
申请日：2016-05-17
Applicant: 郑州轻工业学院
Abstract: 本发明属于生物信息学领域，涉及一种多功能抗微生物肽的最优多标记集成预测方法。其步骤如下：基于抗微生物肽的氨基酸序列信息，采用伪氨基酸组成向量化方法，抽取抗微生物肽的多种不同维度的伪氨基酸组成特征向量；应用多标记分类算法在生成的所有不同维度的伪氨基酸组成特征向量上，训练出多个不同的多标记分类器；从所得的多标记分类器中，分别为抗微生物肽的每种功能类型筛选出最优多标记分类器子集；把待预测肽序列输入分类器子集中，执行加权多数投票融合策略，获得该肽序列的N种功能类型的归属。本发明不需要事先确定最优的特征参数组合，避免建模时通过大量遍历实验选取最优特征参数组合，既增加预测方法的实用性，又提高建模的效率。
-
公开(公告)号：CN106021999A
公开(公告)日：2016-10-12
申请号：CN201610327347.6
申请日：2016-05-17
Applicant: 郑州轻工业学院
Abstract: 本发明属于生物信息学领域，涉及一种多功能抗微生物肽的最优多标记集成预测方法。其步骤如下：基于抗微生物肽的氨基酸序列信息，采用伪氨基酸组成向量化方法，抽取抗微生物肽的多种不同维度的伪氨基酸组成特征向量；应用多标记分类算法在生成的所有不同维度的伪氨基酸组成特征向量上，训练出多个不同的多标记分类器；从所得的多标记分类器中，分别为抗微生物肽的每种功能类型筛选出最优多标记分类器子集；把待预测肽序列输入分类器子集中，执行加权多数投票融合策略，获得该肽序列的N种功能类型的归属。本发明不需要事先确定最优的特征参数组合，避免建模时通过大量遍历实验选取最优特征参数组合，既增加预测方法的实用性，又提高建模的效率。
-
公开(公告)号：CN105447340A
公开(公告)日：2016-03-30
申请号：CN201510782419.1
申请日：2015-11-12
Applicant: 郑州轻工业学院
Abstract: 本发明公开了一种蛋白质亚叶绿体多位置预测的方法，步骤为：抽取出蛋白质序列的伪氨基酸组成特征，分别为每个亚叶绿体位置训练一个支持向量机分类器；把亚叶绿体位置对于蛋白质样本的归属值追加到蛋白质的特征向量中，使用亚叶绿体位置来扩展蛋白质样本的特征空间；在扩展后的蛋白质特征空间中，利用遗传算法分别为每个亚叶绿体位置选取最优的扩展特征子集；基于每个亚叶绿体位置的最优扩展特征子集，分别训练一个支持向量机分类器；基于所得两组支持向量机分类器对待预测蛋白质进行蛋白质亚叶绿体多位置预测。本发明能够同时预测出蛋白质的多个亚叶绿体位置，且通过融合位置间关系和位置相关特征大幅度地提高了蛋白质亚叶绿体多位置预测的精度。
-
-
Search Results
3
records
(took 0.016 seconds)
