為了更快更準(zhǔn)地確定B細(xì)胞線性表位,提出了一種新的預(yù)測方法——MLEP（Prediction of epitope based on MCFS and LSTM,MLEP）算法。采用5種性質(zhì)氨基酸理化性質(zhì)作為學(xué)習(xí)特征,利用多聚類特征選擇算法進(jìn)行特征選擇,用降維后的數(shù)據(jù)作為輸入,用長短期記憶網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得預(yù)測性能好的模型,對多聚類特征選擇算法及MLEP算法的性能進(jìn)行評價(jià)。對非冗余LBtope數(shù)據(jù)集進(jìn)行多組實(shí)驗(yàn),結(jié)果表明,使用多聚類特征選擇算法降維到25時(shí)獲取性能最優(yōu)模型,多聚類特征選擇算法比主成分分析法獲得的模型準(zhǔn)確率更高,基于MLEP算法獲得的模型準(zhǔn)確率達(dá)到94.81%。因此,MLEP算法能更好地預(yù)測B細(xì)胞線性表位,對于表位預(yù)測研究具有一定的參考價(jià)值。 

【文章來源】：河北工業(yè)科技. 2019,36(05)

【文章頁數(shù)】：6 頁

【部分圖文】：

圖１ＭＬＥＰ的學(xué)習(xí)過程Ｆｉｇ．１ＬｅａｒｎｉｎｇｐｒｏｃｅｓｓｏｆＭＬＥＰ

【參考文獻(xiàn)】：
期刊論文
[1]線性B細(xì)胞表位預(yù)測方法研究進(jìn)展[J]. 程華,成彬,羊紅光.  中國免疫學(xué)雜志. 2017(09)

碩士論文
[1]基于特征選擇的線性B細(xì)胞表位的預(yù)測[D]. 弓紅巖.大連海事大學(xué) 2018
[2]基于蛋白質(zhì)側(cè)鏈信息的B細(xì)胞表位預(yù)測的機(jī)器學(xué)習(xí)方法[D]. 盧楊.東北師范大學(xué) 2012



本文編號：3616443