典型文献
紫色球杆菌视紫红质光谱特性的机器学习研究
文献摘要：
近年来,机器学习等人工智能技术被应用于蛋白质工程,其在蛋白质结构、功能预测、催化活性等研究中具有独特优势.在未知蛋白质结构的情况下,将蛋白质序列和功能特性与机器学习相结合,基于序列-活性关系(innovative sequence-activity relationship,ISAR)算法,将蛋白质氨基酸序列数字化,用快速傅里叶变换(fast four transform,FFT)进行预处理,再进行偏最小二乘回归建模,可在数据集较少情况下拟合得到最佳模型.通过机器学习对紫色球杆菌视紫红质(gloeobacter violaceus rhodopsin,GR)的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模,获得了最佳模型.用最佳索引LEVM760106建模得到的确定系数R2为0.944,均方误差E为11.64.用小波变换进行的预处理,其R2虽也约为0.944,但E大于11.64,不及FFT进行的预处理.方法较好地解决了蛋白质序列与功能特性之间的数学建模问题,在蛋白质工程中可为预测更优的突变体提供支持.
文献关键词：
机器学习;数字信号处理;光谱特性
中图分类号：
作者姓名：
郏丽丽;孙婷婷
作者机构：
浙江科技学院 理学院,浙江 杭州 310023
文献出处：
引用格式：
[1]郏丽丽;孙婷婷-.紫色球杆菌视紫红质光谱特性的机器学习研究)[J].浙江大学学报（理学版）,2022(03):280-286
A类：
gloeobacter,LEVM760106
B类：
紫色,色球,球杆,视紫红质,光谱特性,学习研究,蛋白质工程,蛋白质结构,功能预测,催化活性,蛋白质序列,功能特性,innovative,sequence,activity,relationship,ISAR,氨基酸序列,快速傅里叶变换,fast,four,transform,FFT,偏最小二乘回归,回归建模,violaceus,rhodopsin,GR,突变体,长进,索引,均方误差,小波变换,数学建模,数字信号处理
AB值：
0.373772
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
