通过基于SVM的方法预测折叠动力学级数改进蛋白质折叠速率常数评估
生物大分子
2007-05-23 v1 定量方法
摘要
蛋白质折叠是一个备受关注的问题,因为它关乎遗传信息转化为具有明确三维(3D)结构和功能的蛋白质的机制。近来已开发理论模型,通过考虑该过程与源自天然(原子解析)蛋白质结构的拓扑参数之间的关系来预测蛋白质折叠速率。先前工作将蛋白质分为表现出单指数或多指数折叠动力学的两类。众所周知这两类蛋白质与不同蛋白质结构特征相关。可用实验动力学数据量的增加使得将该问题应用于机器学习方法成为可能,以便从迄今收集的实验数据预测折叠过程的动力学级数。此信息可用于改进折叠速率的预测。本工作中我们首先描述一种基于支持向量机的方法(SVM-KO)来预测给定蛋白质的折叠过程动力学级数。使用该方法我们能在63个实验数据集上正确分类78%的折叠机制。其次我们聚焦于折叠速率对数的预测。该值可作为基于SVM方法的线性回归任务获得。本文中我们表明,当回归任务在由两个不同集合(而非一个)上计算时,预测值与实验值的线性相关性可改善,每个集合由具有正确预测的两态或多态动力学级数的蛋白质组成。
引用
@article{arxiv.q-bio/0602013,
title = {The evaluation of protein folding rate constant is improved by predicting the folding kinetic order with a SVM-based method},
author = {Emidio Capriotti and Rita Casadio},
journal= {arXiv preprint arXiv:q-bio/0602013},
year = {2007}
}
备注
The paper will be published on WSEAS Transaction on Biology and Biomedicine