吴建盛¹，冯巧遇²，袁京洲¹，胡海峰²，周家特¹，高昊¹

¹(南京邮电大学地理与生物信息学院 南京 210023);²(南京邮电大学通信与信息工程学院 南京 210003) (jansen@njupt.edu.cn)

出版日期: 2018-08-01


基金资助:国家自然科学基金项目(81771478,61571233)；江苏省高等学校自然科学研究项目(17KJA510003)；南京邮电大学科研基金项目(NY218092) This work was supported by the National Natural Science Foundation of China (81771478, 61571233), the Key University Science Research Project of Jiangsu Province (17KJA510003), and the Natural Science Foundation of Nanjing University of Posts and Telecommunications (NY218092).

Predicting Biological Functions of G Protein-Coupled Receptors Based on Fast Multi-Instance Multi-Label Learning

Wu Jiansheng¹, Feng Qiaoyu², Yuan Jingzhou¹, Hu Haifeng², Zhou Jiate¹,Gao Hao¹

¹(School of Geographic and Biological Information, Nanjing University of Posts and Telecommunications, Nanjing 210023);²(School of Telecommunication and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003)

Online: 2018-08-01

摘要/Abstract

摘要： G蛋白偶联受体(G protein-coupled receptors, GPCRs)是人类中最庞大的膜蛋白家族，也是很多药物的重要靶点，准确了解GPCRs生物学功能是理解它们参与的生物学过程及其药物作用机制的关键.以前的研究表明，蛋白质功能预测可抽象为多示例多标记学习(multi-instance multi-label learning, MIML)问题.设计了一种基于快速多示例多标记学习方法MIMLfast的GPCRs生物学功能预测模型.该模型采用了一种新的混合特征，它考虑了GPCRs结构域的三联氨基酸、氨基酸关联、进化、二级结构关联、信号肽及无序残基等多种信息.实验结果证明，该模型获得了很好的性能，优于目前最优的多示例多标记学习、多标记学习的预测方法和CAFA蛋白质功能预测方法.

参考文献

相关文章 1

[1]	张运超 陈 靖 王涌天 刘 越. 基于移动增强现实的智慧城市导览[J]. 计算机研究与发展, 2014, 51(2): 302-310.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3746