Prediction of the Helix/Sheet Content of Proteins from Their Primary Sequences by Neural Network Method  

用神经网络方法由蛋白质一级序列预测其二级结构含量(英文)

作　　者：秦红珊[1] 杨新岐[2] 王克起[1] 

机构地区：[1]天津大学理学院,天津300072 [2]天津大学材料科学与工程学院,天津300072

出　　处：《Transactions of Tianjin University》2002年第4期303-307,共4页天津大学学报（英文版）

摘　　要：The amino acid composition and the biased auto-correlation function are considered as features, BP neural network algorithm is used to synthesize these features. The prediction accuracy of this method is verified by using the independent non-homologous protein database. It is shown that the average absolute errors for resubstitution test are 0.070 and 0.068 with the standard deviations 0.049 and 0.047 for the prediction of the content of α-helix and β-sheet respectively. For cross-validation test, the average absolute errors are 0.075 and 0.070 with the standard deviations 0.050 and 0.049 for the prediction of the content of α-helix and β-sheet respectively. Compared with the other methods currently available, the BP neural network method combined with the amino acid composition and the biased auto-correlation function features can effectively improve the prediction accuracy.基于氨基酸组成和有偏自相关函数的特征参量 ,利用BP神经网络 ,提出了一种预测蛋白质二级结构中α螺旋和 β折叠含量的计算方法 .采用相互独立的非同源蛋白质数据库对该方法的准确性进行检验 ,对蛋白质二级结构α螺旋和 β折叠含量的预测的结果为 :自检验的平均绝对误差分别为 0 .0 70和 0 .0 6 8,相应的标准偏差分别为 0 .0 49和 0 .0 47;他检验的平均绝对误差分别为 0 .0 75和 0 .0 70 ,相应的标准偏差分别为 0 .0 5 0和 0 .0 49.与常用方法相比 ,利用此方法预测蛋白质二级结构含量可有效提高预测精度 .

关 键 词：content prediction of α-helix and β-sheet primary sequence BP neural network amino acid composition biased auto-correlation function 

分 类 号：Q51[生物学—生物化学] TP18[自动化与计算机技术—控制理论与控制工程]