文献

J-GLOBAL ID：201902289969479072   整理番号：19A2177466

包括的特徴とMRMR法を用いた蛋白質グリコシル化部位を同定するための新しい機械学習に基づくフレームワーク【JST・京大機械翻訳】

A New Machine Learning Based Framework to Identify Protein Glycation Sites Using Comprehensive Features and the mRMR Method

著者 (4件)： Chen Jingui (School of Mechanical, Shandong University, Weihai, 264209, China) ,  Zhang Chengjin (School of Mechanical, Shandong University, Weihai, 264209, China) ,  Yang Runtao (School of Mechanical, Shandong University, Weihai, 264209, China) ,  Zhang Lina (School of Mechanical, Shandong University, Weihai, 264209, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 3605-3609  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： グリコシル化反応中の最終生成物の蓄積は,糖尿病,アルツハイマー病およびアテローム性動脈硬化症のような多くの疾患にしばしばつながる。グリコシル化部位を同定することは,研究者が病因を理解し,これらの疾患を治療する方法に関する新しいアイデアを提供するのを助けることができる。本論文では,二値符号系列,灰色入射度,アクセス可能な表面積および二次構造確率のようなペプチド鎖を符号化するために,四つの特徴抽出を適用するサポートベクトルマシンを用いることにより,新しい予測器を開発した。最大関連性最小冗長性(mRMR)特徴選択アルゴリズムを用いて,予測問題のための最適170特徴を選択した。訓練セットにおいて,Gly-Predicttの性能を,84.815%の精度,80.156%の感度,88.868%の特異性,およびk-折畳み交差検証(k=5)による68.411%のMatthews相関係数(MCC)で評価した。Gly予測を客観的に評価するために,独立データセットに関する著者らのモデルをテストし,以前の予測子と比較した。結果は,Gly予測が既存のグリコシル化部位予測因子より優れていることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ペプチド ,  *グリコシル化 ,  糖尿病 ,  相関係数 ,  予測 ,  アルゴリズム ,  *タンパク質 ,  二次構造 ,  病因 ,  *機械学習 ,  特徴抽出 ,  Alzheimer病 ,  サポートベクトルマシン
準シソーラス用語： 予測因子 ,  特異性 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 蛋白質 ,  グリコシル化 ,  同定 ,  機械学習 ,  フレームワーク