文献

J-GLOBAL ID：201702251049707797   整理番号：17A0936319

積層スパース自動符号器深部ニューラルネットワークによる蛋白質配列からの蛋白質-蛋白質相互作用の予測【Powered by NICT】

Predicting protein-protein interactions from protein sequences by a stacked sparse autoencoder deep neural network

著者 (7件)： Wang Yan-Bin (Xinjiang Technical Institutes of Physics and Chemistry, Chinese Academy of Science, Urumqi 830011, China. [e-mail] [e-mail]) ,  You Zhu-Hong ,  Li Xiao ,  Jiang Tong-Hai ,  Chen Xing ,  Zhou Xi ,  Wang Lei
資料名： Molecular BioSystems  (Molecular BioSystems)
巻： 13  号： 7  ページ： 1336-1344  発行年： 2017年 
JST資料番号： W2331A  ISSN： 1742-206X  CODEN： MBOIBW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 蛋白質-蛋白質相互作用(PPI)は,大部分の生物学的過程で重要な役割を果たしている。蛋白質相互作用を正確に検出かつ効率的にどのように研究する価値がありという問題がある。ハイスループット技術は,大規模なPPIを検出する可能性を提供しているが,これらは全PPIを検出するために使用できず,信頼できないデータが生まれるかもしれない。この問題を解決するために,本研究では,蛋白質配列の情報を用いたPPIを効果的に予測するために提案した新しい計算法。本法はZernikeモーメントを位置特異的スコア行列(PSSM)からの蛋白質配列特徴を抽出するために採用した。,これらの抽出された特徴は積層オートエンコーダを用いて再構成した。最後に,新しい確率的分類ベクトルマシン(PCVM)分類器を蛋白質-蛋白質相互作用を予測するために採用した。酵母とH.pyloriのPPIデータセットで実行されたときに,提案した方法は,96.60%と91.19%の平均精度を達成した。有望な結果は,提案した方法が他の検出法よりもPPIを検出するための優れた能力を持つことを示した。提案した方法は,他の種にPPIを予測するために適用した,有望な結果が得られた。この方法の能力を評価するために,著者らは酵母データセットのための最先端のサポートベクトルマシン(SVM)分類器と比較した。多重実験により得られた結果は,この方法が強力な,効率的な,実行可能であり,プロテオミクス研究に大きく寄与することを証明した。Copyright 2017 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *タンパク質 ,  サポートベクトルマシン ,  *透視図法 ,  酵母 ,  多重化 ,  *符号器 ,  検出法 ,  プロテオミクス ,  再構成
準シソーラス用語： 位置特異的スコア行列 ,  Zernikeモーメント ,  ハイスループット ,  生物学的過程 ,  *蛋白質間相互作用 , 【Automatic Indexing@JST】

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 符号器 ,  深部ニューラルネットワーク ,  蛋白質配列 ,  蛋白質-蛋白質相互作用 ,  予測