CRNPRED：基于大规模临界随机网络的一维蛋白质结构高精度预测
生物大分子
2007-07-09 v1
摘要
背景：诸如二级结构或接触数的一维蛋白质结构有助于三维结构预测，并有利于直观理解序列-结构关系。准确的预测方法将作为这些及其他用途的基础。结果：我们实现了一个名为CRNPRED的程序，用于预测二级结构、接触数和残基水平接触序。该程序的依据是称为临界随机网络的一种新颖机器学习方案。与多数基于氨基酸序列局部窗口的传统一维结构预测方法不同，CRNPRED考虑了整个序列。CRNPRED在每个链上平均达到：二级结构预测Q3 = 81%，接触数与残基水平接触序预测的相关系数分别为0.75与0.61。结论：CRNPRED将成为需要准确一维蛋白质结构预测的计算与实验生物学家的有用工具。
引用
@article{arxiv.q-bio/0604013,
title = {CRNPRED: Highly Accurate Prediction of One-dimensional Protein Structures by Large-scale Critical Random Networks},
author = {Akira R. Kinjo and Ken Nishikawa},
journal= {arXiv preprint arXiv:q-bio/0604013},
year = {2007}
}
备注
10 pages, 1 figure, 2 tables