MLEP:一种B细胞线性表位预测方法

发布时间：2022-02-09 05:23

　　为了更快更准地确定B细胞线性表位,提出了一种新的预测方法——MLEP（Prediction of epitope based on MCFS and LSTM,MLEP）算法。采用5种性质氨基酸理化性质作为学习特征,利用多聚类特征选择算法进行特征选择,用降维后的数据作为输入,用长短期记忆网络进行训练,获得预测性能好的模型,对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验,结果表明,使用多聚类特征选择算法降维到25时获取性能最优模型,多聚类特征选择算法比主成分分析法获得的模型准确率更高,基于MLEP算法获得的模型准确率达到94.81%。因此,MLEP算法能更好地预测B细胞线性表位,对于表位预测研究具有一定的参考价值。 

【文章来源】：河北工业科技. 2019,36(05)

【文章页数】：6 页

【部分图文】：

图１ＭＬＥＰ的学习过程Ｆｉｇ．１ＬｅａｒｎｉｎｇｐｒｏｃｅｓｓｏｆＭＬＥＰ

【参考文献】：
期刊论文
[1]线性B细胞表位预测方法研究进展[J]. 程华,成彬,羊红光.  中国免疫学杂志. 2017(09)

硕士论文
[1]基于特征选择的线性B细胞表位的预测[D]. 弓红岩.大连海事大学 2018
[2]基于蛋白质侧链信息的B细胞表位预测的机器学习方法[D]. 卢杨.东北师范大学 2012



本文编号：3616443