寡肽频次在蛋白质一级结构分类中的应用
生物物理
2007-05-23 v1 数据分析、统计与概率
定量方法
摘要
本文报道一种利用自组织映射（Self Organizing Maps）算法及基于氨基酸理化性质的数字编码对蛋白质一级结构进行分类的方法。将疏水性、体积、表面积、亲水性、庞大性、折射率与极性作主成分分析，并以解释总观测变异性 84.8% 的前两个主成分通过 k-means 算法将氨基酸聚为 4 或 5 类。这导致一种经济的一级结构表示，在构建自组织映射算法输入向量时，允许考虑多达三肽与四肽频次矩阵而计算开销最小。与先前探索的条件（即氨基酸符号编码与二肽频次）相比，在由高度结构与功能相似的 69 种 c 型细胞色素分类中未观察到显著改进，而在包含颇为异质一级结构的数据集情形下则有实质改进。
引用
@article{arxiv.physics/9807059,
title = {Oligopeptides' frequencies in the classification of proteins' primary structures},
author = {P. Sirabella and A. Giuliani and A. Colosimo},
journal= {arXiv preprint arXiv:physics/9807059},
year = {2007}
}
备注
LaTeX, 17 pages + 2 EPS files