Scifaro

中文

肽键结合亲和力预测：非线性建模的核方法

机器学习 2011-08-30 v1 机器学习定量方法

作者: Charles Bergeron , Theresa Hepburn , C. Matthew Sundling , Michael Krein , Bill Katt , Nagamani Sukumar , Curt M. Breneman , Kristin P. Bennett

在 arXiv 上查看 ↗ PDF ↗

摘要

本文展示了在2006年预测算法比较评估（COEPRA）竞赛中，基于提供的描述符对多个不同数据集进行肽键结合亲和力盲测所获得的回归模型。本文发现，核偏最小二乘法（一种非线性偏最小二乘（PLS）算法）优于PLS，并且引入可转移原子等效特征可提高预测能力。

关键词

核偏最小二乘法肽键结合亲和力非线性建模可转移原子等效特征回归模型盲测

引用

@article{arxiv.1108.5397,
  title  = {Prediction of peptide bonding affinity: kernel methods for nonlinear modeling},
  author = {Charles Bergeron and Theresa Hepburn and C. Matthew Sundling and Michael Krein and Bill Katt and Nagamani Sukumar and Curt M. Breneman and Kristin P. Bennett},
  journal= {arXiv preprint arXiv:1108.5397},
  year   = {2011}
}