HYBP_PSSP:一种预测蛋白质二级结构的混合反向传播方法

即使方法已经成熟,二级结构的预测也是生物信息学领域的重要课题,并且算法的开发远没有十年前活跃。准确的预测本身对生物学家来说非常有用,但值得指出的是,它也是三级结构预测的重要组成部分,相比之下,三级结构预测还远未解决,并且仍然是活跃的研究领域。另外,序列比较方法最近结合了局部结构轨道。新方法利用的额外信息已导致折叠识别和对齐精度的显着提高。本文提出了一种蛋白质二级结构预测的新方法。利用氨基酸的理化特性中包含的进化信息,由PSI-BLAST和HMMER3谱生成的位置特异性得分矩阵作为混合反向传播系统的输入,可以预测二级结构的准确性显着提高。基于基于内部认知机制(KDTICM)理论的知识发现理论,我们构建了一种复合金字塔模型方法,该方法由四层智能接口组成,并以多种方式集成,例如混合反向传播方法(HBP),修改数据库中的知识发现(KDD *),混合SVM方法(HSVM)等。在三个标准数据集(RS126,CB513和CASP8)上进行的实验表明,与现有的广泛使用的方案(如PSIPRED,PHD,Predator和先前开发的预测)相比,CPM能够产生更高的Q(3)和SOV得分方法。在RS126和C