典型文献
iSucc-PseAAC:基于集成机器学习的赖氨酸琥珀酰化修饰位点预测
文献摘要：
赖氨酸琥珀酰化是一种新型的翻译后修饰,在蛋白质调节和细胞功能控制中发挥重要作用,所以准确识别蛋白质中的琥珀酰化位点是有必要的.传统的实验耗费物力和财力.通过计算方法预测是近段时间以来提出的一种高效的预测方法.本研究中,我们开发了一种新的预测方法iSucc-PseAAC,它是通过使用多种分类算法结合不同的特征提取方法.最终发现,基于耦合序列(PseAAC)特征提取下,使用支持向量机分类效果是最好的,并结合集成学习解决了数据不平衡问题.与现有方法预测效果对比,iSucc-PseAAC在区分赖氨酸琥珀酰化位点方面,更具有意义和实用性.
文献关键词：
琥珀酰化;特征提取;集成学习;机器学习
中图分类号：
作者姓名：
魏欣;贾建华;吴跟强;刘春生
作者机构：
江西服装学院商学院智慧物流教研室,南昌330201;景德镇陶瓷大学信息工程学院生物信息研究室,江西,景德镇333403
文献出处：
引用格式：
[1]魏欣;贾建华;吴跟强;刘春生-.iSucc-PseAAC:基于集成机器学习的赖氨酸琥珀酰化修饰位点预测)[J].中国生物化学与分子生物学报,2022(06):816-822
A类：
iSucc,PseAAC,赖氨酸琥珀酰化
B类：
集成机器学习,琥珀酰化修饰,修饰位点,点预测,翻译后修饰,质调节,细胞功能,准确识别,识别蛋白,耗费,财力,分类算法,取下,支持向量机分类,分类效果,合集,集成学习,数据不平衡,不平衡问题,效果对比
AB值：
0.239783
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。
