通过平衡数据集来提高蛋白质二级结构预测准确率
该Perl程序使用六框翻译法,将DNA序列转化为为蛋白质序列,详细使用方法见程序前几行
蛋白质折叠类型识别是蛋白质结构研究的重要内容. 以SCOP中的Globin-like折叠为研究对象,选择其中序列同一性小于25%的17个代表性蛋白质为训练集,采用机器和人工结合的办法进行结构比对,产生
Saito Lab:计算蛋白质组学工具该存储库包含一组用于分析蛋白质组学数据的计算工具。一般系统说明这些工具帮助研究人员回答有关蛋白质组学数据的问题。这些工具帮助提供答案的一些具体问题包括:蛋白质组A
针对生物文献库中人工标注样本数量缺乏的问题,提出一种半监督类型的基于联合训练的方法。在样本预处理的基础上,基于词特征的机器学习方法和基于模式学习的方法选择样本的不同特征子集,并被合成到联合训练方法中;
在蛋白质相互作用(Protein-Protein Interaction,PPI)网络中检测蛋白质功能模块有助于预测未知蛋白质的功能模块。随着蛋白质相互作用有效数据迅速增长,如何通过PPI网络获得有效
定量生物学中最复杂的问题之一是如何管理噪声源以及对细胞功能的后续后果。 遗传网络中的噪声是不可避免的,因为化学反应是概率性的,并且通常每个细胞中存在的基因,mRNA和蛋白质的数量不定。 以前的研究集中
针对蛋白质二级结构机器学习预测方法,忽略氨基酸疏水性特征以及氨基酸之间的长程作用和准确率不高的现状,进行了比较实验分析。采用氨基酸对应的疏水能值替换蛋白质中相应的氨基酸,得到疏水能值的序列。实验结果表
双酶水解剩余活性污泥提取蛋白质条件优化,李玉龙,纪豪,在碱性蛋白酶..中性蛋白为3..1的最优酶配比下,对剩余活性污泥进行水解提取蛋白质实验研究。实验以蛋白质提取率、SCOD/TCOD和有机质�
俗话说国以民为本,民以食为天,食品的生产、安全、质量均需要相应的食品资料知识累积与制定,相信这一份...该文档为乳酸菌发酵植物蛋白质饮料的研究,是一份很不错的参考资料,具有较高参考价值,感兴趣的可以下