蛋白质二级结构预测的支持向量机模型研究

摘要：

蛋白质序列种类繁多,形态、结构和功能极其丰富多样,而已知三维结构的蛋白质数量却非常有限.为了能够利用有限的已知结构模拟和预测未知蛋白的结构,小样本统计学技术非常重要.本文主要探讨统计学习理论应用于蛋白质二级结构预测的模型,说明支持向量机(SVMs)进行蛋白质二级结构模式识别的主要步骤,讨论利用SVMs预测蛋白质二级结构优化过程中样本空间的确定方法,研究氨基酸序列向量化途径以及分析如何选择映射输入空间到特征空间的核函数等问题.

关键词：统计学习理论、结构风险最小化原则、支持向量机、最优分类超平面、特征序列

所属期刊栏目：23

分类号：Q617;TB114(理论生物物理学)

资助基金：国家高技术研究发展计划863计划2001AA214171

在线出版日期：2004-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：67-71