Resumen

Las interacciones entre proteínas juegan roles importantes en varios organismos, y dicho tema puede estar involucrado en casi todas las actividades en la célula. La investigación de las interacciones proteína-proteína (PPIs) puede hacer una gran contribución a la prevención y tratamiento de enfermedades. Actualmente, se han propuesto muchos métodos de predicción basados en aprendizaje automático para predecir PPIs. En este artículo, proponemos un método novedoso llamado ACT-SVM que puede predecir eficazmente PPIs. El modelo ACT-SVM mapea secuencias de proteínas a características digitales, realiza extracción de características dos veces en la secuencia de proteínas para obtener el vector A y el descriptor CT, y los combina en un vector. Luego, los vectores de características del par de proteínas se fusionan como la entrada del clasificador de máquina de soporte vectorial (SVM). Utilizamos conjuntos de datos no redundantes y de humanos para verificar el rendimiento de predicción de nuestro método. Finalmente, el método propuesto tiene una precisión de pred

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Interacciones; Proteínas; PPIs; Métodos de predicción; Aprendizaje automático; Clasificador SVM
• Keywords:Interactions; Proteins; PPIs; Prediction methods; Machine learning; SVM classifier