Protein-Protein Interaction Sites Prediction Based on an Under-Sampling Strategy and Random Forest Algorithm

随机森林 接口(物质) 计算机科学 特征(语言学) 数据挖掘 二进制数 蛋白质结构预测 模式识别(心理学) 采样(信号处理) 算法 人工智能 蛋白质结构 数学 化学 最大气泡压力法 并行计算 气泡 哲学 计算机视觉 滤波器(信号处理) 算术 生物化学 语言学
作者
Minjie Li,Ziheng Wu,Wenyan Wang,Kun Lü,Jun Zhang,Yuming Zhou,Zhaoquan Chen,Dan Li,Shicheng Zheng,Peng Chen,Bing Wang
出处
期刊:IEEE/ACM Transactions on Computational Biology and Bioinformatics [Institute of Electrical and Electronics Engineers]
卷期号:: 1-1 被引量:4
标识
DOI:10.1109/tcbb.2021.3123269
摘要

The computational methods of protein-protein interaction sites prediction can effectively avoid the shortcomings of high cost and time in traditional experimental approaches. However, the serious class imbalance between interface and non-interface residues on the protein sequences limits the prediction performance of these methods. This work therefore proposed a new strategy, NearMiss-based under-sampling for unbalancing datasets and Random Forest classification (NM-RF), to predict protein interaction sites. Herein, the residues on protein sequences were represented by the PSSM-derived features, hydropathy index (HI) and relative solvent accessibility (RSA). In order to resolve the class imbalance problem, an under-sampling method based on NearMiss algorithm is adopted to remove some non-interface residues, and then the random forest algorithm is used to perform binary classification on the balanced feature datasets. Experiments show that the accuracy of NM-RF model reaches 87.6% and 84.3% on Dtestset72 and PDBtestset164 respectively, which demonstrate the effectiveness of the proposed NM-RF method in differentiating the interface or non-interface residues.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
菜菜Cc发布了新的文献求助10
1秒前
李凤凤发布了新的文献求助10
1秒前
不配.应助DianaRang采纳,获得30
2秒前
3秒前
4秒前
liuxueshu完成签到,获得积分10
4秒前
HH完成签到,获得积分10
5秒前
楼亦玉完成签到,获得积分10
6秒前
cokoy完成签到,获得积分10
7秒前
传奇3应助研友_ZG4ml8采纳,获得10
7秒前
傲娇的航空完成签到,获得积分10
8秒前
8秒前
9秒前
9秒前
seaya发布了新的文献求助10
10秒前
10秒前
wang发布了新的文献求助10
11秒前
费妖发布了新的文献求助10
13秒前
DianaRang发布了新的文献求助30
13秒前
14秒前
wanci应助seaya采纳,获得10
14秒前
耍酷败发布了新的文献求助10
15秒前
yjw发布了新的文献求助10
15秒前
南风完成签到,获得积分20
15秒前
顾矜应助阿腾采纳,获得10
16秒前
诗梦完成签到,获得积分10
18秒前
葛儿完成签到 ,获得积分10
19秒前
20秒前
21秒前
22秒前
23秒前
wang完成签到,获得积分10
23秒前
24秒前
田柾国发布了新的文献求助10
24秒前
一个舒完成签到 ,获得积分10
24秒前
刘霞发布了新的文献求助10
24秒前
研友_LjbjzL完成签到,获得积分10
24秒前
单薄水壶应助傅以柳采纳,获得10
26秒前
南风发布了新的文献求助10
27秒前
小叶完成签到 ,获得积分10
28秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134969
求助须知:如何正确求助?哪些是违规求助? 2785927
关于积分的说明 7774469
捐赠科研通 2441746
什么是DOI,文献DOI怎么找? 1298163
科研通“疑难数据库(出版商)”最低求助积分说明 625088
版权声明 600825