检索结果-南通市图书馆

GTB-PPI:Predict Protein-protein Interactions Based on l1-regularized logistic regression and Gradient Tree Boosting

Genomics, Proteomics & Bioinformatics 2020年第5期18卷 582-592页

作者： Bin Yu Cheng Chen Hongyan Zhou Bingqiang liu Qin Ma School of life Sciences University of Science and Technology of ChinaHefei 230027China College of Mathematics and Physics Qingdao University of Science and TechnologyQingdao 266061China Artificial Intelligence and Biomedical Big Data Research Center Qingdao University of Science and TechnologyQingdao 266061China School of Mathematics Shandong UniversityJinan 250100China Department of Biomedical Informatics College of MedicineThe Ohio State UniversityColumbusOH 43210USA

Protein-protein interactions(PPIs)are of great importance to understand genetic mechanisms,delineate disease pathogenesis,and guide drug *** the increase of PPI data and development of machine learning technologies,prediction and identification of PPIs have become a research hotspot in *** this study,we propose a new prediction pipeline for PPIs based on gradient tree boosting(GTB).First,the initial feature vector is extracted by fusing pseudo amino acid composition(Pse AAC),pseudo position-specific scoring matrix(Pse PSSM),reduced sequence and index-vectors(RSIV),and autocorrelation descriptor(AD).Second,to remove redundancy and noise,we employ l1-regularized logistic regression(l1-RlR)to select an optimal feature ***,GTB-PPI model is ***-fold cross-validation showed that GTB-PPI achieved the accuracies of 95.15% and 90.47% on Saccharomyces cerevisiae and Helicobacter pylori datasets,*** addition,GTB-PPI could be applied to predict the independent test datasets for Caenorhabditis elegans,Escherichia coli,Homo sapiens,and Mus musculus,the one-core PPI network for CD9,and the crossover PPI network for the Wnt-related signaling *** results show that GTB-PPI can significantly improve accuracy of PPI *** code and datasets of GTB-PPI can be downloaded from https://***/QUST-AIBBDRC/GTB-PPI/.

关键词： Protein-protein interaction Feature fusion l1-regularized logistic regression Gradient tree boosting Machine learning

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：