HROZA, Jiří. Protein Secondary Structure Prediction by Machine Learning Methods. In 1st International Summer School on Computational Biology. Brno, Czech Republic: Masaryk University, 2005, s. 38-43, 5 s. ISBN 80-210-3907-8.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Protein Secondary Structure Prediction by Machine Learning Methods
Název česky Rozpoznavani sekundarni struktury proteinu metodami strojoveho uceni
Autoři HROZA, Jiří (203 Česká republika, garant).
Vydání Brno, Czech Republic, 1st International Summer School on Computational Biology, od s. 38-43, 5 s. 2005.
Nakladatel Masaryk University
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Kód RIV RIV/00216224:14330/05:00014719
Organizační jednotka Fakulta informatiky
ISBN 80-210-3907-8
Klíčová slova anglicky machine learning; protein; protein secondary structure prediction
Štítky machine learning, PROTEIN, protein secondary structure prediction
Změnil Změnil: RNDr. Jiří Hroza, učo 3800. Změněno: 28. 4. 2006 13:37.
Anotace
This paper concerns about an application of machine learning methods to a prediction of a secondary structure of an unknown protein. The aim of this study is to the compare artificial neural networks as the state of art method with decision trees and naive Bayes classifier. Detailed experiments are done on selected PDB database data. Results shows that decision trees achieving 87.4 % Q3 accuracy outperform neural networks (80.5 %). Naive Bayes classifier is unusable for this task.
Anotace česky
Clanek se zabyva aplikaci metod strojoveho uceni na problem predikce sekundarni struktury neznamych proteinu. Cilem je porovnat umele neuronove site, jako nejmodernejsi pouzivane metody, s rozhodovacimi stromy a naivnim Bayesovskym klasifikatorem. Podrobne experimenty jsou provadeny na vybranych datech z PDB databaze proteinu. Vysledky ukazuji, ze rozhodovaci stromy dosahuji mnohem lepsich vysledku (87.4%) nez neuronove site (80.5%). Oproti tomu naivni Bayesuv klasifikator se ukazal jako neprilis vhodny.
Návaznosti
MSM 143300003, záměrNázev: Interakce člověka s počítačem, dialogové systémy a asistivní technologie
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Interakce člověka s počítačem, dialogové systémy a asistivní technologie
VytisknoutZobrazeno: 25. 6. 2024 01:27