文献

J-GLOBAL ID：201702276315090842   整理番号：17A0141728

Feature-Weightingスキームおよび単純Bayes Vectorizerによるユビキチン化部位の予測

Prediction of Ubiquitination Sites with Feature-Weighting Scheme and Naive Bayes Vectorizer

著者 (5件)： JIA Longjia (Northeast Normal Univ., Changchun, CHN) ,  SUN Tieli (Northeast Normal Univ., Changchun, CHN) ,  YANG Fengqin (Northeast Normal Univ., Changchun, CHN) ,  SUN Hongguang (Northeast Normal Univ., Changchun, CHN) ,  ZHANG Bangzuo (Northeast Normal Univ., Changchun, CHN)
資料名： Journal of Computational and Theoretical Nanoscience  (Journal of Computational and Theoretical Nanoscience)
巻： 13  号： 1  ページ： 286-293  発行年： 2016年01月 
JST資料番号： W2377A  ISSN： 1546-1955  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最も一般的翻訳後修飾(PTMs)のひとつであるユビキチン化部位を予測するための方法を考案した。すなわち,K-スペース・アミノ酸対(CKSAAP)がPTMs部位予測に極めて役立つことから,本研究では試料をコード化するスキームを採用した。次いで,「the probability of positive sample」(pps)と名付けられたカテゴリ基盤feature-weightingスキームを提唱する。これは入手可能な標識情報を用いて適切な重さをアミノ酸対に帰属するスキームである。ppsの主たるアイディアは,ネガティブ・カテゴリよりもポジティブ・カテゴリにおいて高頻度アミノ酸対を更に濃縮すると,ネガティブ試料からポジティブ試料の分離を更に促進する,という考え方である。Bayesの数式を用いて,試料が属する蓋然的カテゴリを反映する確率分布に従って,試料をベクトル化した。アミノ酸対特徴をカテゴリ基盤特徴と置き換えることによって,試料特徴空間の次元性を数万から少数のカテゴリに減らすことができる。本研究の方法のCKSAAP_UbSite基準データセットへの効果を分類器としてのSVMを用いて検討した結果,他の方法よりも一貫して良好な性能を持っていることが示された。

シソーラス用語： *ユビキチン化 ,  ユビキチン ,  Bayes推定 ,  *予測技法 ,  アミノ酸残基 ,  確率分布 ,  並列化 ,  特徴抽出 ,  次元縮小 ,  重みづけ ,  性能評価
準シソーラス用語： ベクトル化

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： スキーム ,  単純 ,  ユビキチン化 ,  予測