文献

J-GLOBAL ID：201702225433938615   整理番号：17A0368975

mGOF loc:ヒト蛋白質細胞内局在予測のための新しいアンサンブル学習法【Powered by NICT】

mGOF-loc: A novel ensemble learning method for human protein subcellular localization prediction

著者 (5件)： Wei Leyi (School of Software, Xiamen University, Xiamen, China) ,  Liao Minghong (School of Software, Xiamen University, Xiamen, China) ,  Gao Xing (School of Software, Xiamen University, Xiamen, China) ,  Wang Jingjing (School of Information Science and Technology, Xiamen University, Xiamen, China) ,  Lin Weiqi (School of Information Science and Technology, Xiamen University, Xiamen, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 217  ページ： 73-82  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 蛋白質の機能をより良く理解するために,それらの細胞内局在を予測するための重要なステップである。最近,多数の計算法は,蛋白質細胞内局在予測のために開発した。既存手法の多くは,特徴表現のための遺伝子オントロジー(GO)情報に依存している。GO情報は以前の研究における方法の改善された予測性能に有益であることが証明されているが,問題は,それが超高次元特徴空間を生成することである,特徴空間の次元は,GOデータベースにおける項の数が増加するとより高いであろう。この問題に取り組むために,我々は配列進化情報を探索する十分よりもGO情報を用いた新しい特徴表現法を提案した。提案した特徴表現法を用いて,以下の三つの側面:物理化学的性質,位置特異的スコア行列(PSSM),とKスキップnグラムモデルから828特徴の包括的特徴集合を生成した。提案した特徴によるマルチラベルアンサンブル分類器を特徴とすることにより,さらに新しいマルチラベル学習法,すなわちmGOF locを開発した。37細胞内局在を持つ分散最新の大規模データセットの結果はmGOF locは,既存の方法よりも優れていることを示した。現在,mGOF locを実行するウェブサーバーであるhttp://server.malab.cn/mGOF loc/Index.htmlに自由に利用できる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： データベース ,  *学習 ,  高次元 ,  *ヒト
準シソーラス用語： Webサーバ ,  大規模データセット ,  アンサンブル分類器 ,  位置特異的スコア行列 ,  物理化学的性質 ,  特徴空間 ,  予測性能 ,  遺伝子オントロジー ,  特徴表現 ,  *アンサンブル学習 ,  *細胞内局在 , 【Automatic Indexing@JST】

著者キーワード (4件)： 蛋白質細胞内局在予測 ,  配列進化情報 ,  アンサンブル分類器 ,  特徴表現法

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ヒト ,  蛋白質 ,  細胞内局在 ,  予測 ,  アンサンブル