Vorhersage der Protein-Sekundärstruktur
Vorhersage der helikalen Transmembran-Region mittels adaptivem Neuro-Fuzzy-Inferenz-System
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In den letzten vielen Jahren wurden verschiedene Computermodelle zur Lösung verschiedener biologischer Probleme eingesetzt. Es wurden verschiedene Prädiktoren für Transmembranregionen entwickelt, um die Sekundärstruktur von Proteinen mit unterschiedlicher Genauigkeit vorherzusagen. Dieses Buch bietet ein auf dem Adaptiven Neuro-Fuzzy-Inferenz-System (ANFIS) basierendes Modell zur Vorhersage der helikalen Transmembranregion, indem die Strukturinformation des Zielproteins direkt aus dessen Sequenzdaten gewonnen wird. Außerdem wurde ein Fuzzy-Inferenz-System entwickelt, bei dem der gleiche T...
In den letzten vielen Jahren wurden verschiedene Computermodelle zur Lösung verschiedener biologischer Probleme eingesetzt. Es wurden verschiedene Prädiktoren für Transmembranregionen entwickelt, um die Sekundärstruktur von Proteinen mit unterschiedlicher Genauigkeit vorherzusagen. Dieses Buch bietet ein auf dem Adaptiven Neuro-Fuzzy-Inferenz-System (ANFIS) basierendes Modell zur Vorhersage der helikalen Transmembranregion, indem die Strukturinformation des Zielproteins direkt aus dessen Sequenzdaten gewonnen wird. Außerdem wurde ein Fuzzy-Inferenz-System entwickelt, bei dem der gleiche Testsatz zum Vergleich der Leistung des ANFIS-Modells verwendet wird. Die beste Konfiguration des ANFIS-Modells mit einem RMSE und einer Genauigkeit von 40,92% bzw. 76,76% scheint das Fuzzy-Modell zu übertreffen, das einen RMSE und eine Genauigkeit von 54,45% bzw. 70,37% erreichte. Der Erfolg dieses Ansatzes deutet darauf hin, dass er potenzielle Anwendungen in anderen sequenzbasierten Analyseproblemen finden kann. Das in diesem Buch beschriebene Modell wird Bioinformatikern bei der Entwicklung neuer und anspruchsvoller Modelle zur Lösung verschiedener biologischer Probleme von Nutzen sein.
Andere Kunden interessierten sich für
