利用支持向量机预测生物膜蛋白类型.pdfVIP

Vo 1. 38 No. 5 上海交 j且大学学报 蠕 38 警搞 5 剿 2004 件 5 }j JOURNAL OF 日HANGHAI JIAOTO :-.J G UNIVERSJTY Mav 2ω.\ 文章编号，1006… 2467(2004)05… 0806 01 利用支持向最机预测生物膜蛋白类型 郭宗明， 张治洲， 潘宇曦， 黄振德， 冯阂郑， 贺 林 t上海交通大学 Bio-X È.命科学研究中心，上海 200030) 摘 要?利用统计学习竣论中的支持向贵机(SVM) .基于氨基酸组分含量预测生物膜f蛋白类型， 使用文献中 2 059 个训练集和 2 625 个检验集膜蛋白!f，IJ 敬据.运用统计预测中的校准检验，留一 法交叉检验和独立报据集检验方法进行分典预测.给采在明，SVM 对膜蛋白~型预测具有明显的 优越性，该算法对却前已有方法是在列重要的补充作用. 关键诩2 支持向量机;生物膜蛋白9 氨基酸组分 中团分吉障碍， Q 81 1. 4 文献栋i只码 :A Prediction of Membrane Protein Types by Using Support Vector Machine GU() Zong-ming. ZHANG Zhi-zhou , PAN Yu-xi , HUANG Zhen-de , FENG Guo叩yin. HE Lin (Bío-X Life Science Research Center , Shanghaí Jiaotong Univ. , Shanghai 200030 , Chína) Abstract , Support vector machine (SVM) based on statistical learning theory was applied for the classífí cation 01 live membrane proteín types by Selιconsistency ， Jackknife and Indepenclent data5e\ te5\ met hod5 based on the training dataset 01 2 OS日 membrane proteins and the t.51 dataset of 2 625 membrane proteins derived from Ihe article according 10 their amino acid compositions. The results obtained by the three typi- cal test methods of statistical prediction field are quìte promising , indîcatÎng the current approach can play a complemental role to the other existing method , for predicting the types 01 membrane proteins. Key words: support vector machine SVM); membrane protein; amino acid composition 法)和7 1. 7%~82%(留一法交叉(Jackknife) 检验 随着茶附级学和蛋白组学的发展，生物信息的 依息f量增长极为迅速，核商量序列数据库 Genbank 中