×
穆罕默德·雷扎·巴赫蒂亚利扎德;穆罕默德·莫拉迪·沙赫巴巴克;曼苏尔·易卜拉希米;伊斯梅尔·易卜拉希米

无论序列同源性如何，神经网络和SVM分类器都能准确预测脂质结合蛋白。 （英语） Zbl 1412.92236号

J.西奥。生物。 356, 213-222 (2014).
摘要：由于脂质结合蛋白（LBPs）在许多生物过程中起着核心作用，基于序列的LBPs鉴定非常有趣。主要的挑战是LBP在序列、结构和功能上存在差异，这导致基于序列同源性的方法精确度较低。因此，有必要开发不考虑序列相似性的替代功能预测方法。为了从非LBP中识别LBP，本研究比较了支持向量机（SVM）和神经网络的性能。综合蛋白质特征和各种技术被用于创建数据集。使用五倍交叉验证（CV）和独立评估（IE）测试来评估两种方法的有效性。结果表明，支持向量机优于神经网络。支持向量机在从非LBP中识别LBP的总体准确率分别为89.28%（CV）和89.55%（IE），在不同LBP类别的分类中平均准确率分别为92.06%（CV）和92.90%（IE）。与该领域唯一的先前报告相比，增加提取的蛋白质特征的数量和范围以及SVM参数的优化显著提高了LBP类预测的效率。总之，结果表明，SVM算法可以在广泛的、通过计算计算得出的蛋白质特征上运行，并为LBP类的检测提供了一个很有前景的工具。该方法有可能集成和改进常用的基于序列比对的方法。

引用于1文件

MSC公司：

92D20型 蛋白质序列，DNA序列
68T05型 人工智能中的学习和自适应系统

关键词：

支持向量机;蛋白质特征;机器学习;脂质代谢

软件：

SVM-保护;伦敦银行支持向量机;iHSP-PseRAAAC系统;iSNO-PseAAC公司;iRSpot-PseDNC公司;国际RSpot-TNCPseAAC;iLoc-Hum公司;PseAAC公司;iSNO-AAP航空公司;财产;ESLpred公司;位置传感器;iNuc-PhysChem;iEzy药物;专业;Cd命中;PseAAC-建筑商
PDF格式BibTeX公司 XML格式引用
\textit{M.R.Bakhtializadeh}等人，J.Theor。生物.356，213--222（2014；Zbl 1412.92236）
全文： 内政部

参考文献：

[1] 阿什拉菲，E。；Alemzadeh，A。；易卜拉希米，M。；易卜拉希米，E。；Dadkhodaei，N。；Ebrahimi，M.，P1B-ATPase重金属转运蛋白的氨基酸特征，使少数生物体能够应对重金属污染，Bioninform。《生物洞察力》，第559-82页（2011年）
[2] Attarzadeh，I.，Ow，S.H.，2010年。一种新的软计算模型，用于提高软件开发成本估算的准确性。摘自：第二届国际计算机与自动化工程会议（ICCAE）论文集。IEEE，第3卷，第603-607页。；Attarzadeh，I.，Ow，S.H.，2010年。一种新的软计算模型，用于提高软件开发成本估算的准确性。摘自：第二届国际计算机与自动化工程会议（ICCAE）论文集。IEEE，第3卷，第603-607页。
[3] Beiki，A.H。；Saboor，S。；Ebrahimi，M.，《使用监督和非监督算法对橄榄品种进行分类和预测的新途径》，《公共科学图书馆·综合》，7，e44164（2012）
[4] 巴德瓦吉，N。；斯塔赫林，R.V。；朗洛伊斯，R.E。；赵，W。；Lu，H.，膜结合蛋白的结构生物信息学预测，分子生物学杂志。，359486-495（2006），（[pii]10.1016/j.jmb.2006.03.039）
[5] 巴辛，M。；Raghava，G.P.，ESLpred:基于SVM的真核蛋白质亚细胞定位方法，使用二肽组成和PSI-BLAST，核酸研究，32，W414-W419（2004），（32/supl_2/W414[pii]）
[6] Bishop，C.M.，《模式识别的神经网络》（1995），牛津大学出版社
[7] 布拉特纳，N.R。；斯塔赫林，R.V。；Diraviyam，K。；霍金斯，P.T。；Hong，W。；D.穆雷。；Cho，W.，FYVE结构域差异亚细胞定位的分子基础，生物学杂志。化学。，27953818-53827（2004），（M408408200[pii]）
[8] Bradley，A.P.，机器学习算法评估中ROC曲线下面积的使用，模式识别。，30, 1145-1159 (1997)
[9] 布朗，M.P。；W.N.格兰迪。；Lin，D。；北卡罗来纳州克里斯蒂亚尼尼。；苏格纳，C.W。；Furey，T.S。；阿瑞斯，M。；Haussler，D.，使用支持向量机对微阵列基因表达数据进行基于知识的分析，Proc。国家。阿卡德。科学。美国，97，262-267（2000）
[10] Byvatov，E。；Fechner，美国。；萨多夫斯基，J。；Schneider，G.，《支持向量机和人工神经网络系统对药物/非药物分类的比较》，《化学杂志》。Inf.计算。科学。，43, 1882-1889 (2003)
[12] 曹，D.-S。；徐Q-S。；Liang，Y.-Z.，Propy:生成Chou的PseAAC各种模式的工具，生物信息学，29960-962（2013）
[13] Cartwright，H.M.，《生物和化学中的人工神经网络：新分析工具的演变》，《分子生物学方法》。，458, 1-13 (2008)
[14] Chang，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。（TIST），2，27（2011）
[15] Chen，W。；冯，P.-M。；Lin，H。；Chou，K.-C.，iRSpot-PseDNC：用伪二核苷酸成分识别重组点，《核酸研究》，41，e68（2013）
[16] Chen，W。；Lin，H。；冯，P.-M。；丁，C。；左Y.C。；Chou，K.-C.，iNuc-PhysChem:一种基于序列的预测因子，用于通过物理化学性质识别核小体，《公共科学图书馆·综合》，第7期，e47843页（2012年）
[17] Chou，K.C.，使用伪氨基酸成分预测蛋白质细胞属性，蛋白质：结构，功能生物信息，43，246-255（2001）
[18] 周，K.-C。；Shen，H.-B.，开发用于预测蛋白质属性的网络服务器的最新进展，国家科学院。，1, 2 (2009)
[19] 周，K.-C。；吴振中。；Xiao，X.，iLoc-Hum：利用累积-标签尺度预测人类蛋白质在单位点和多位点的亚细胞位置，Mol.Biosyst。，8, 629-641 (2012)
[20] Chou，K.C.，使用两亲性伪氨基酸组成预测酶亚科类别，生物信息学，21，10-19（2005）
[21] Chou，K.C.，关于蛋白质属性预测和伪氨基酸组成的一些评论（50周年回顾），J.Theor。生物学，236-247（2011）·Zbl 1405.92212号
[23] 崔，G。；方，C。；Han，K.，用支持向量机模型预测病毒和人类之间的蛋白质相互作用，BMC生物信息。，13，补遗7，S5（2012），（1471-2105-13-S7-S5[pii]）
[24] 崔，J。；Han，L。；Lin，H。；唐，Z。；Ji，Z。；曹，Z。；李毅。；Chen，Y.，机器学习方法的探索进展，用于预测蛋白质和肽的功能类别和相互作用特征，与序列同源性无关，Curr。生物信息。，2, 95-112 (2007)
[25] 戴，D。；王，J。；Hua，J。；He，H.，《多模磁共振成像对多动症儿童的分类》，Front。系统。神经科学。，6, 63 (2012)
[26] 达斯·罗伊（Das Roy，R.）。；Dash，D.，《从氨基酸中选择相关特征可以开发强大的分类器》，《氨基酸》，46，1343-1351（2014）
[27] 丁·C·H。；Dubchak，I.，使用支持向量机和神经网络的多类蛋白质折叠识别，生物信息学，17，349-358（2001）
[28] 杜，P。；王，X。；徐，C。；Gao，Y.，PseAAC-Builder：一个跨平台独立程序，用于生成各种特殊的Chou伪氨基酸成分，Ana。生物化学。，425, 117-119 (2012)
[29] 易卜拉希米，M。；Ebrahimie，E.，《通过生物信息学算法对酶热稳定性进行基于序列的预测》，Curr。生物信息。，5, 195-203 (2010)
[30] 易卜拉希米，M。；易卜拉希米，E。；Shamabadi，N.，恶性乳腺癌和良性乳腺癌中表达的蛋白质特征是否存在差异？，《研究医学科学杂志》。，15, 299-309 (2010)
[31] 易卜拉希米，M。；Lakizadeh，A。；Agha-Golzadeh，P。；Ebrahimie，E.，《通过结合聚类和属性权重预测氨基酸属性的热稳定性：工程酶的新前景》，PLoS One，6，e23146（2011），（PONE-D-11-06772[pii]）
[32] 易卜拉希米，E。；易卜拉希米，M。；Sarvestani，北卡罗来纳州。；Ebrahimi，M.，蛋白质属性有助于晕稳定性，生物信息学方法，Saline Syst。，7, 1 (2011)
[33] 艾森哈伯，B。；艾森哈贝尔，F。；Maurer-Stroh，S。；Neuberger，G.，脂质翻译后修饰序列信号的预测：来自案例研究的见解，蛋白质组学，41614-1625（2004）
[34] Esmaeili，M。；Mohabatkar，H.，使用周的伪氨基酸组成概念预测人类乳头瘤病毒的风险类型，J.Theor。生物，203-209（2010）·Zbl 1406.92455号
[35] Fahy，E。；Subramaniam，S。；布朗，H.A。；玻璃，C.K。；Merrill，A.J.r。；R.C.墨菲。；Raetz，C.R。；罗素·D·W·。；Seyama，Y。；肖·W。；清水，T。；斯宾纳，F。；van Meer，G。；Van Nieuwenhze，医学硕士。；白色，S.H。；Witztum，J.L。；Dennis，E.A.，《脂质的综合分类系统》，《脂质研究杂志》，51，1618（2010）
[36] 冯，P.-M。；Chen，W。；Lin，H。；Chou，K.-C.，iHSP-PseRAAAC：使用伪还原氨基酸字母组合识别热休克蛋白家族，Anal。生物化学。，442, 118-125 (2013)
[37] Friedberg，I.，《自动化蛋白质功能预测-基因组挑战》，《简要生物信息》。，7，225-242（2006），（[pii]0.1093/bib/bbl004）
[38] Galagan，J.E。；努斯鲍姆，C。；罗伊，A。；Endrizzi，M.G。；P.麦克唐纳。；菲茨休（W.FitzHugh）。；卡尔沃，S。；恩格斯，R。；斯米尔诺夫，S。；Atnoor，D。；A.布朗。；艾伦，N。；奈勒，J。；斯坦格·托曼，N。；DeArellano，K。；约翰逊，R。；林顿，L。；麦克尤恩，P。；McKernan，K。；Talamas，J。；蒂雷尔，A。；Ye，W。；Zimmer，A。；巴伯·R·D。；坎恩，I。；Graham，D.E。；Grahame，D.A。；格斯，A.M。；Hedderich，R。；Ingram-Smith，C。；库特纳，H.C。；Krzycki，J.A。；Leigh，J.A。；李伟（Li，W.）。；刘杰。；Mukhopadhyay，B。；J.N.里夫。；史密斯，K。；施普林格，T.A。；洛杉矶Umayam。；白色，O。；怀特，R.H。；Conway de Macario，E。；费里，J.G。；贾雷尔，K.F。；Jing，H。；马卡里奥·A·J。；保尔森，I。；普里切特，M。；播种机，K.R。；Swanson，R.V。；Zinder，S.H。；兰德，E。；梅特卡夫，W.W。；Birren，B.，《acetivorans支原体揭示了广泛的代谢和生理多样性，《基因组研究》，12532-542（2002）
[39] 格拉茨，J.F.C。；Luiken，J.J.F.P。；van Bilsen，M。；van der Vusse，G.J.，作为脂质代谢促进剂和调节器的细胞脂质结合蛋白，分子细胞。生物化学。，239, 3-7 (2002)
[40] Gromiha，M.M.，Ahmad，S.，Suwa，M.，2008年。基于神经网络的蛋白质结构和功能预测：与其他机器学习方法的比较。摘自：IEEE国际神经网络联合会议论文集，IJCNN 2008（IEEE计算智能世界大会），第1739-1744页。；Gromiha，M.M.，Ahmad，S.，Suwa，M.，2008年。基于神经网络的蛋白质结构和功能预测：与其他机器学习方法的比较。摘自：《IEEE国际神经网络联合会议论文集》，IJCNN 2008（IEEE计算智能世界大会），第1739-1744页。
[41] Gross，R.W.，Jenkins，C.M.，Yang，J.，Mancuso，D.J.，Han，X.，2005年。功能性脂质组学：特殊脂质和脂蛋白相互作用在调节神经元功能中的作用。前列腺素类其他脂质介质。77，52-64，（[pii]10.1016/j.prostaglandins.2004）。09.005）S1098-8823（04）00093-0；Gross，R.W.，Jenkins，C.M.，Yang，J.，Mancuso，D.J.，Han，X.，2005年。功能性脂质组学：特殊脂质和脂蛋白相互作用在调节神经元功能中的作用。前列腺素类其他脂质介质。77，52-64，（[pii]10.1016/j.prostaglandins.2004）。09.005）S1098-8823（04）00093-0
[42] 哈吉沙里菲，Z。；皮里亚耶，M。；穆罕默德·贝吉，M。；贝巴哈尼，M。；Mohabatkar，H.，用Chou的伪氨基酸成分预测抗癌肽并通过Ames试验研究其诱变性，J.Theor。生物学，341，34-40（2014）·Zbl 1411.92232号
[43] Han，L.Y。；蔡春珍。；季振林。；曹泽伟。；崔，J。；Chen，Y.Z.，不考虑序列相似性预测新酶的功能家族：一种统计学习方法，核酸研究，32，6437-6444（2004），（[pii]10.1093/nar/gkh984）
[44] 海亚特，M。；Khan，A.，通过将复合蛋白序列特征融合到伪氨基酸组成中来预测膜蛋白类型，J.Theor。《生物学》（2010），（[pii]10.1016/j.jtbi.2010.11.017）·Zbl 1405.92217号
[45] 侯赛因扎德，F。；易卜拉希米，M。；Goliaei，B。；Shamabadi，N.，《基于生物信息学模型蛋白质结构和物理化学性质的肺癌肿瘤分类》，PLoS One，7，e40017（2012），（PONE-D-12-08806[pii]）
[46] 侯赛因扎德，F。；KayvanJoo，A。；易卜拉希米，M。；Goliaei，B.，通过机器学习算法基于蛋白质属性的肺肿瘤类型预测，SpringerPlus，2，1-14（2013）
[47] 黄，Y。；牛，B。；高，Y。；Fu，L。；Li，W.，CD-HIT Suite:一个用于聚类和比较生物序列的网络服务器，生物信息学，26，680-682（2010），（btq003[pii]）
[48] 亨特，C。；Richers，S.，《脂质和膜蛋白结构》，Curr。操作。结构。《生物学》，18，406-411（2008），（[pii]10.1016/j.sbi.2008.03.008）
[49] Irausquin，S.，Wang，L.，2007年。预测氨基酸序列中脂质相互作用残基的机器学习方法。摘自：第七届IEEE生物信息学和生物工程国际会议论文集，BIBE 2007，第315-319页。；Irausquin，S.，Wang，L.，2007年。预测氨基酸序列中脂质相互作用残基的机器学习方法。摘自：第七届IEEE生物信息学和生物工程国际会议论文集，BIBE 2007，第315-319页。
[50] Kakumani，R。；Devabhaktuni，V。；Ahmad，M.，基于两阶段神经网络的蛋白质二级结构预测技术，Conf.Proc。IEEE工程医学生物学。Soc.，2008，1355-1358（2008）
[51] Krishnan，V.G。；Westhead，D.R.，预测单核苷酸多态性对蛋白质功能影响的机器学习方法的比较研究，生物信息学，192199-2209（2003）
[52] 库马尔，M。；格罗米哈，M.M。；Raghava，G.P.，利用结合残基和进化信息基于SVM预测RNA结合蛋白，《分子识别杂志》。，24, 303-313 (2011)
[53] Lelliott，C.J。；永贝里，A。；Ahnmark，A。；威廉·奥尔森。；埃克鲁斯，K。；Elmgren，A。；阿纳鲁普，G。；肩部，C.C。；奥斯卡森，J。；Linden，D.，肝PGC-1β过度表达诱导复合型高脂血症，并调节对PPARalpha激活、动脉硬化的反应。血栓。瓦斯克。生物学，27，2707-2713（2007），（[pii]10.1161/ATVBAHA.107.155739）
[54] Levy-Favatier，F。；Leroux，A。；安托万，B。；Nedelec，B。；Delpech，M.，通过禁食、葡萄糖饮食和脂肪酸喂养上调大鼠P23（YjgF蛋白家族成员），细胞。分子生命科学。，61, 2886-2892 (2004)
[55] 李振瑞。；Lin，H.H。；Han，L.Y。；江，L。；陈，X。；Chen，Y.Z.，PROFEAT:一种从氨基酸序列计算蛋白质和肽的结构和物理化学特征的网络服务器，核酸研究，34，W32-W37（2006），（[pii]10.1093/nar/gkl305）
[56] Lin，H.H。；Han，L.Y。；Zhang，H.L。；郑长杰。；谢，B。；Chen，Y.Z.，不考虑序列相似性，从序列衍生特性预测脂质结合蛋白的功能类别，《脂质研究杂志》，47，824-831（2006），（[pii]10.1194/jlr.M500530-JLR200）
[57] 林，S.-X。；Lapointe，J.，《理论与实验生物学一体化》，J.Biomed。科学。工程，6，4（2013）
[58] 林，S.W。；Lee，Z.J。；陈S.C。；Tseng，T.Y.，支持向量机的参数确定和使用模拟退火方法的特征选择，应用。软计算，81505-1512（2008）
[59] 刘，B。；王，X。；邹强。；Dong，Q。；Chen，Q.，结合周氏伪氨基酸组成和基于剖面的蛋白质表示进行蛋白质远程同源性检测，分子信息。，32, 775-782 (2013)
[60] 刘，B。；张，D。；Xu，R。；徐，J。；王，X。；陈，Q。；Dong，Q。；Chou，K.C.，将从频率剖面提取的进化信息与基于序列的内核相结合，用于蛋白质远程同源性检测，生物信息学，30472-479（2014）
[61] 刘，T。；郑，X。；Wang，J.，使用支持向量机和PSI-BLAST剖面预测低相似度序列的蛋白质结构类别，Biochimie，921330-1334（2010），（S0300-9084（10）00227-0[pii]）
[62] 马尔科维茨，F。；艾德勒。；Vingron，M.，蛋白质折叠类预测的支持向量机，生物。J.，45，377-389（2003）·Zbl 1441.62433号
[63] Min，J.-L。；Xiao，X。；Chou，K.-C.，《iEzy-Drug:识别细胞网络中酶和药物之间相互作用的网络服务器》，《生物医药研究国际》，2013，13（2013）
[64] Mohabatkar，H。；穆罕默德·贝吉，M。；Esmaeili，A.，使用Chou的伪氨基酸组成和支持向量机概念预测GABAA受体蛋白，J.Theor。生物学，281，18-23（2011）·Zbl 1397.92215号
[65] Mohabatkar，H。；穆罕默德·贝吉，M。；Abdolahi，K。；Mohsenzadeh，S.，《利用周氏伪氨基酸组成概念和机器学习方法预测过敏性蛋白质》，医学化学。，9, 133-137 (2013)
[66] 穆罕默德·贝吉，M。；贝贾蒂，M。；Mohabatkar，H.，利用机器学习方法基于Chou的伪氨基酸组成概念预测金属蛋白酶家族，J.Struct。功能。基因组学，12191-197（2011）
[67] Nanni，L。；Lumini，A.，《为亚线粒体定位创建周氏伪氨基酸特征的遗传编程》，《氨基酸》，34653-660（2008）
[68] Nanni，L。；鲁米尼，A。；古普塔，D。；Garg，A.，通过融合一组基于Chou伪氨基酸组成变体和进化信息的分类器来识别细菌毒性蛋白，IEEE/ACM Trans。计算。生物信息学。，9, 467-475 (2012)
[69] Noble，W.S.，支持向量机在计算生物学中的应用，核方法计算生物学。，71-92 (2004)
[70] Ong，S.A。；Lin，H.H。；陈义忠。；李振瑞。；Cao，Z.，不同蛋白质描述符在预测蛋白质功能家族中的功效，BMC Bioninform。，8300（2007），（1471-2105-8-300[pii]10.1186/1471-2105-8300）
[71] Patel，A.K。；帕特尔，S。；Naik，P.K.，使用Ann，Digest J.Nanometer基于简单序列衍生特征将DNA结合蛋白预测和分类为四大类。生物结构。，5, 191-200 (2012)
[72] 邱伟荣。；Xiao，X。；Chou，K.-C.，iRSpot-TNCPseAAC：用三核苷酸成分和伪氨基酸成分识别重组点，国际分子科学杂志。，15, 1746-1766 (2014)
[73] Sahu，S.S。；Panda，G.，一种基于Chou伪氨基酸组成的新特征表示方法，用于蛋白质结构类预测，Compute。生物化学。，34, 320-327 (2010) ·Zbl 1403.92221号
[74] 沈海波。；Chou，K.-C.，PseAAC：一个灵活的网络服务器，用于生成各种蛋白质伪氨基酸组成，Ana。生物化学。，373, 386-388 (2008)
[75] Tahrokh，E。；易卜拉欣，M。；易卜拉希米，M。；Zamasani，F。；Sarvestani，N。；Mohammadi-Dehcheshmeh，M。；盖米，M。；Ebrahimie，E.，通过数据挖掘算法研究大量结构蛋白特征对不同生物体中铵转运蛋白的比较研究，基因基因组学，33，565-575（2011）
[76] 唐振清。；Lin，H.H。；Zhang，H.L。；Han，L.Y。；陈，X。；Chen，Y.Z.，利用支持向量机预测蛋白质和肽的功能类别（不考虑序列同源性），Bioninform。《生物洞察力》，第119-47页（2009年）
[77] Tsilo，L.C.，《使用神经网络和支持向量机预测蛋白质二级结构》（2009年），罗德大学博士论文
[78] van Meer，G。；Voelker，D.R。；Feigenson，G.W.，《膜脂：它们的位置和行为》，《Nat.Rev.Mol.Cell》。《生物学》，9，112-124（2008），（pii]10.1038/nrm2330）
[79] Vapnik，V.，《统计的本质I.eaming理论》（1995），Spfnger Vef lag:Spfnger-Vef lag纽约·Zbl 0833.62008号
[80] Wang，L。；Irausquin，S.J。；Yang，J.Y.，《从序列特征预测脂质相互作用氨基酸残基》，国际计算机杂志。生物药物设计。，1, 14-25 (2008)
[81] 文，X。；方，J。；刁先生。；Zhang，C.，中国西北黑河溶解氧的人工神经网络建模，环境。莫尼特。评估（2012年）
[82] 威斯特伦德，I。；冯·海因，G。；Emanuelsson，O.，LumenP-类囊体腔中蛋白质定位的神经网络预测因子，蛋白质科学。，12, 2360-2366 (2009)
[83] Xiao，X。；林，W.-Z。；Chou，K.-C.，预测蛋白质分类及其在药物开发中应用的最新进展，Curr。顶部。医药化学。，13, 1622-1635 (2013)
[84] Xiao，X。；Min，J.-L。；王，P。；Chou，K.-C.，预测细胞网络中的药物-蛋白质相互作用，Curr。顶部。医药化学。，13, 1707-1712 (2013)
[85] 熊，W。；郭毅。；Li，M.，基于支持向量机和位置特异性评分矩阵的脂质结合位点预测，蛋白质杂志，29，427-431（2010）
[86] Xu，Y。；丁，J。；Wu，L.-Y。；Chou，K.-C.，iSNO-PseAAC：通过将位置特异性氨基酸倾向纳入伪氨基酸组成来预测蛋白质中的半胱氨酸S-亚硝基化位点，PLoS One，8，e55844（2013）
[87] Xu，Y。；邵晓杰。；Wu，L.-Y。；邓，N.-Y。；Chou，K.-C.，iSNO-AAPair:将氨基酸成对偶联到PseAAC中以预测蛋白质中半胱氨酸S-亚硝基化位点，PeerJ，1，e171（2013）
[88] 袁，Y。；施，X。；李，X。；卢·W。；蔡，Y。；顾，L。；刘，L。；李，M。；孔，X。；Xing，M.，基于特征选择的蛋白质和核酸相互作用预测，分子潜水员，14627-633（2010）
[89] 张，G。；李，H。；Fang，B.，使用具有二级结构氨基酸组成的随机森林模型鉴别酸性和碱性酶，《过程生物化学》。，44, 654-660 (2009)
[90] 张世伟。；张永乐。；Yang，H.-F。；Zhao，C.-H。；Pan，Q.，使用Chou的伪氨基酸组成概念预测蛋白质亚细胞定位：结合进化信息和冯·诺依曼熵的方法，氨基酸，34565-572（2008）
[91] 赵，R。；徐，G。；Yue，B。；Liebich，H.M。；张勇，基于毛细管电泳的人工神经网络分类在肿瘤临床诊断中的应用，《色谱学杂志》。A、 828489-496（1998）
[92] 赵晓明。；李，X。；陈，L。；Aihara，K.，蛋白质分类与不平衡数据，蛋白质：结构。，功能。生物信息。，70, 1125-1132 (2008)
[93] 钟，L。；Ma，C.Y。；张，H。；杨利杰。；Wan，H.L。；谢庆秋。；Li，L.L。；Yang，S.Y.，利用GA-CG-SVM方法建立的乳腺癌耐药蛋白（BCRP）底物和非底物预测模型，计算。生物医学，411006-1013（2011）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。