-
公开(公告)号：CN110797084A
公开(公告)日：2020-02-14
申请号：CN201911073760.4
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 基于深度神经网络的脑脊液蛋白质的预测方法属于人工智能与大数据技术领域。本发明将现有文献和数据库的脑脊液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过10个的蛋白质家族，从这些蛋白质家族中随机选取10个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果。提高了脑脊液预测的准确率，最终实现脑脊液蛋白的预测。
-
公开(公告)号：CN110797084B
公开(公告)日：2021-05-25
申请号：CN201911073760.4
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 基于深度神经网络的脑脊液蛋白质的预测方法属于人工智能与大数据技术领域。本发明将现有文献和数据库的脑脊液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过10个的蛋白质家族，从这些蛋白质家族中随机选取10个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果。提高了脑脊液预测的准确率，最终实现脑脊液蛋白的预测。
-
Search Results
2
records
(took 0.01 seconds)
