文献

J-GLOBAL ID：201902253750566393   整理番号：19A2111001

機械学習と特徴選択によるアミロイド凝集速度の予測【JST・京大機械翻訳】

Prediction of amyloid aggregation rates by machine learning and feature selection

著者 (4件)： Yang Wuyue (Zhou Pei-Yuan Center for Applied Mathematics, Tsinghua University, Beijing 100084, China) ,  Tan Pengzhen (Zhou Pei-Yuan Center for Applied Mathematics, Tsinghua University, Beijing 100084, China) ,  Fu Xianjun (Institute for Literature and Culture of Chinese Medicine, Shandong University of Traditional Chinese Medicine, Jinan 250355, China) ,  Hong Liu (Zhou Pei-Yuan Center for Applied Mathematics, Tsinghua University, Beijing 100084, China)
資料名： Journal of Chemical Physics  (Journal of Chemical Physics)
巻： 151  号： 8  ページ： 084106-084106-9  発行年： 2019年 
JST資料番号： C0275A  ISSN： 0021-9606  CODEN： JCPSA6  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： アミロイド凝集速度を予測するための新しいデータベースの機械学習アルゴリズムを本論文で報告した。蛋白質の16の固有の特徴と蛋白質凝集速度に対する環境の4つの外因性特徴からの高度に非線形な投影に基づいて,1つの隠れ層を有するフィードフォワード完全連結ニューラルネットワーク(FCN)を21の異なる種類のアミロイド蛋白質から成るデータセット上で訓練し,4つの残りの蛋白質で試験した。FCNは,多変量線形回帰とサポートベクトル回帰のような従来のアルゴリズムよりはるかに良い性能を示し,平均精度は90%以上である。さらに,相関分析および主成分分析により,7つの重要な特徴,折畳みエネルギー,ヘリックスのHPパターン,シートおよびヘリックス交差膜,pH,イオン強度および蛋白質濃度が,アミロイド凝集速度論を特性化するための最小特徴セットを構成することを示した。Copyright 2019 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 折畳み ,  *アミロイド ,  フィードフォワード ,  キャラクタリゼーション ,  ニューラルネットワーク ,  学習アルゴリズム ,  主成分分析 ,  エネルギー ,  データベース ,  *タンパク質 ,  アルゴリズム ,  *機械学習 ,  隠れ層 ,  *凝集速度 ,  *糖タンパク質 ,  *動物タンパク質
準シソーラス用語： サポートベクトル回帰 , 【Automatic Indexing@JST】

分類 (3件)： 蛋白質・ペプチド一般  (EB03010N) ,  高分子固体の構造と形態学  (CG02022M) ,  分子構造  (EB03020Y)

タイトルに関連する用語 (5件)： 機械学習 ,  特徴選択 ,  アミロイド ,  凝集速度 ,  予測