文献

J-GLOBAL ID：201802214795600644   整理番号：18A2006489

サポートベクトルマシンとディシジョンツリーを用いた好熱性および中温性蛋白質の識別【JST・京大機械翻訳】

Discrimination of Thermophilic and Mesophilic Proteins Using Support Vector Machine and Decision Tree

著者 (6件)： Ai Haixin (School of Life Science, Liaoning University, Shenyang, China) ,  Zhang Li (School of Life Science, Liaoning University, Shenyang, China) ,  Zhang Jikuan (School of Information, Liaoning University, Shenyang, China) ,  Cui Tong (Liaoning Province Shiyan High School, Shenyang, 110841, China) ,  Chang Alan K. (School of Life Science, Liaoning University, Shenyang, China) ,  Liu Hongsheng (School of Life Science, Liaoning University, Shenyang, China)
資料名： Current Proteomics  (Current Proteomics)
巻： 15  号： 5  ページ： 374-383  発行年： 2018年 
JST資料番号： W3616A  ISSN： 1570-1646  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 背景:蛋白質の安定性を強化する必要性は,蛋白質工学と設計に不可欠である。蛋白質安定性の操作は,基礎研究と産業応用の両方において,蛋白質熱安定性を支配する原理を理解するためにも重要である。【目的】好熱性および中温性蛋白質を識別できるモデルを構築し,機械学習法を用いて蛋白質熱安定性に影響する因子を理解する。【方法】合計613の蛋白質特徴を計算し,種々の特徴選択アルゴリズムを用いて,サブセット特徴を構築した。サポートベクトルマシンとディシジョンツリー法を適用して,蛋白質の熱安定性を予測し,不平衡データによって引き起こされた問題を,異なるクラスのための誤差コストの最良の重みを見つけるために,グリッド探索法を用いて解決した。【結果】結果によれば,蛋白質の熱安定性に及ぼす一次構造の影響は二次構造の影響よりも重要であった。最良の分類モデルは,サポートベクトルマシンがアミノ酸組成プラスアミノ酸クラス組成のサブセットで実行されたときに得られ,それは84.07%の予測精度をもたらした。一次構造レベルでは,Gln,GluおよびSerが蛋白質の熱安定性に最も寄与する特徴であった。二次構造レベルにおいて,Q_コイルとHelix_Eは,蛋白質熱安定性に影響を及ぼす最も重要な特徴であった。結論:これらの結果は,蛋白質の熱安定性が蛋白質の主な構造的特徴と主に関連していることを示唆した。Copyright 2018 Bentham Science Publishers All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アミノ酸組成 ,  熱安定性 ,  特徴選択 ,  部分集合 ,  *好熱性 ,  機械学習 ,  アミノ酸 ,  *タンパク質 ,  *ディシジョンツリー ,  アルゴリズム ,  モデル ,  二次構造 ,  *中温 ,  *サポートベクトルマシン
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

著者キーワード (6件)： 蛋白質耐熱性 ,  サポートベクトルマシン ,  ディシジョンツリー ,  不均衡データ ,  ジペプチド ,  アミノ酸

分類 (2件)： 分子構造  (EB03020Y) ,  蛋白質・ペプチド一般  (EB03010N)

タイトルに関連する用語 (5件)： サポートベクトルマシン ,  ディシジョンツリー ,  好熱性 ,  蛋白質 ,  識別