基于神经网络的多聚脯氨酸二型结构预测

使用“机器学习方法”对稀有的多聚脯氨酸二型(PPII)的二级结构进行预测,在预处理蛋白质序列的基础上,使用生物信息学中常用的 BP神经网络预测 PPII二级结构.通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为 13 个氨基酸残基和隐节点数为15时预测效果最好,此时的预测精度可达73.8%.

基于改进编码的多聚脯氨酸二型结构预测

目前使用机器学习方法对稀有的PPII二级结构进行预测工作还比较少见。本文在分析数据集的特征基础之上,采用加强局部信息的改进编码方法,并使用生物信息学中常用的BP神经网络来预测PPII二级结构。通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为5个氨基酸残基和隐结点数为8时PPII螺旋结构能够被很好地预测出来,此时的预测敏感度为82.5%。

遗传神经网络在PPⅡ预测中的应用

提高多聚脯氨酸二型结构的预测精度,可从两方面着手,一是结合遗传算法,形成遗传神经网络,努力使迭代往全局最优的方向进行;二是通过神经网络输入层,添加反映残基和预测中心位置距离的单元.结果表明,使用混合算法建立的新模型比仅用神经网络模型在预测精度上有明显提高,可从64.5%提高到70.1%.