Resumen

Proponemos un método de predicción de la estructura secundaria de proteínas basado en perfiles de matriz de puntuación específica de posición (PSSM) y cuatro características fisicoquímicas que incluyen parámetros de conformación, cargas netas, hidrofobicidad y masa de la cadena lateral. Primero, se encuentra el SVM con el tamaño de ventana óptimo y los parámetros óptimos de la función del núcleo. Luego, entrenamos el SVM utilizando los perfiles PSSM generados a partir de PSI-BLAST y las características fisicoquímicas extraídas del conjunto de datos CB513. Finalmente, utilizamos el filtro para refinar los resultados predichos del SVM entrenado. Para todas las medidas de rendimiento de nuestro método, se alcanza un 79.52, SOV94 alcanza un 86.10 y SOV99 alcanza un 74.60; todas las medidas son más altas que las del método SVMpsi y el método SVMfreq. Esto valida que considerar estas características fisicoquímicas en la predicción de la estructura secundaria de proteínas

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Método de predicción de la estructura secundaria de proteínas; Perfiles de matriz de puntuación específica de posición (PSSM); Características fisicoquímicas; SVM; Tamaño de ventana óptimo; Función de núcleo
• Keywords:Protein secondary structure prediction method; Position-specific scoring matrix (PSSM) profiles; Physicochemical features; SVM; Optimal window size; Kernel function