Подлинная книга, основанная на интеллектуальном вычислительном белке и его анализах алгоритма его взаимодействия Чжан Сяолонг, Лин Сяоли Худзин.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
| Анализ алгоритма белка и взаимодействия на основе интеллектуальных вычислений | ||
 | Ценообразование | 98.00 |
| Издатель | Science Press (Китай) | |
| Издание | 1 | |
| Опубликованная дата | Октябрь 2020 года | |
| формат | 16 | |
| автор | Чжан Сяолонг, Лин Сяоли, Ху Цзин | |
| Количество страниц | 217 | |
| Число слов | 0 | |
| Кодирование ISBN | 9787030503268 | |
| масса | 0 | |
Предисловие
Глава 1 Введение 1
1,1 Протеиновая и белковая группа обучение 1
1.2 Структура и функция белка 2
1.2.1 Структурная иерархия белка 3
1.2.2 Функция белка 4
1.2.3 Связь между структурой белка и функцией 5
1.2.4 Пространственная структура складывания белка 5
1,3 Белковое взаимодействие 6
1.3.1 Белковая взаимодействие связывания лапши 8
1.3.2 Медро-таргетное взаимодействие белка 9
1.4 База данных белка 10
1.5 Метод биологического эксперимента 13
1.5.1 Эксперимент по сканированию аланина 13
1.5.2 Запрашивая эксперимент 14
1.5.3 Метод эксперимента с высокой пропускной способностью 15
1.6 Метод интеллектуального расчета 16
1.6.1 Метод на основе генетической информации 16
1.6.2 Методы на основе структуры белка 17
1.6.3 Метод на основе информации о аминокислотной последовательности 18
Глава 2 Анализ белка 3D структурного прогноза 20
2.1 Введение 20
2.2 Оптимизация структуры складывания белка 21
2.2.1.
2.2.2 Трехмерная неэверная модель 22
2.3 Алгоритм прогнозирования структуры складывания белка на основе алгоритма генетического отжига 24
2.3.1 Генетический антиауаутирующий алгоритм 24
2.3.2 Описание алгоритма 26
2.3.3 Локальный тонкий генетический пенсионный алгоритм 28
2.3.4 Экспериментальные результаты и анализ 30
2.4 Прогноз структуры складывания белка на основе алгоритмов оптимизации группы частиц 39
2.4.1 Алгоритм оптимизации множественных групповых частиц 39
2.4.2 Описание алгоритма MPSO 42
2.4.3 Экспериментальные результаты на основе алгоритма MPSO 43
2.4.4 Адаптивное разделение алгоритма оптимизации групп рабочих частиц 45
2.4.5 Адаптивное разделение алгоритма оптимизации групп частиц труда Описание 48
2.4.6 Эксперименты на основе алгоритма оптимизации на основе адаптивного разделения трудовой группы 48
2.5 Прогноз структуры складывания белка на основе генетического алгоритма табу 50
2.5.1 TABOO -алгоритм 50
2.5.2 Оптимизация алгоритма табу 51
2.5.3.
2.5.4 Экспериментальные результаты и анализ 56
Глава 3 Горячий прогнозирующий прогноз взаимодействия белка 60
3.1 Введение 60
3.2 Остаток горячей точки белка 60
3.3 Hot Data Set 61
3.3.1 Получение и обработка набора данных 61
3.3.2 Физическая и химическая структура свойства 64
3.4 Стратегия выбора функции 69
3.4.1 *Маленький избыточный *Метод выбора функций.
3.4.2 Метод выбора функций связанных коэффициентов 70
3.4.3. Метод выбора метода выбора функций
3.4.4 Результаты выбора функции 72
3.5 На основе взаимодействия белка на основе машины поддержки векторного вектора, прогнозирование горячей точки 74
3.5.1 Описание алгоритма 74
3.5.2 Индекс оценки эффективности 78
3.5.3 Экспериментальные результаты и анализ 79
3.6 На основе интегрированного учебного белка. Прогнозирование горячей точки 81
3.6.1 Алгоритм повышения 81
3.6.2 Алгоритм продвижения градиента 82
3.6.3 Алгоритм случайного леса 83
3.6.4 Экспериментальные результаты и анализ 85
3.7 На основе взаимодействия белка на основе синтетической технологии незначительной выборки, оптимизация прогнозирования горячей точки 88
3.7.1 Не пингите обработку данных 88
3.7.2 Прогнозирование горячей точки на основе анализа стратегии классификации SRF 89
3.7.3 Горячий прогноз на основе алгоритма сабуста 94
Глава 4 Прогноз горячей области взаимодействия белка 98
4.1 Введение 98
4.2 Извлечение прогнозного белка Взаимодействие на основе множественных особенностей последовательности 99
4.2.1 Процесс взаимодействия белка 99
4.2.2 Экстракт Perfection Extract 99
4.2.3 Fusion Fusion 101
4.2.4 Экспериментальные результаты и анализ 104
4.3 Взаимодействие белка на основе сложных сетей и структур сообщества. Прогнозирование термической области 112
4.3.1 Сложные сети особенности взаимодействия белка 112
4.3.2 Определение стандартной горячей зоны 113
4.3.3 Метод обнаружения структурных конструкций 114
4.3.4 Экспериментальные результаты и анализ 117
4.4 Прогноз горячей зоны на основе DICFC.
4.4.1 Классы инкрементной кластеризации на основе остаточной плотности белка 121
4.4.2 Рекурсивные функции устраняют в сочетании с навязчивыми видами взаимной информации 122
4.4.3 Экспериментальные результаты на основе набора данных ASEDB 125
4.4.4 Оценка трехмерной структуры пространственной структуры 128
4.5 Взаимодействие белка на основе кластеризации плотности и классификаторов голосования, прогноз горячей зоны 131
4.5.1 Модель классификатора голосования 131
4.5.2 Кластер плотности кдбсана 133
4.5.3 Экспериментальные результаты 136
4.6 Взаимодействие белка на основе коэффициента контура и K-средних кластеризационных тепловых зон 140
4.6.1 k-средний алгоритм 140
4.6.2 K Значение на основе коэффициентов контура оптимизирует 140
4.7 Стратегия оптимизации тепловой зоны взаимодействия белка 148
4.7.1 Стратегия горячей утилизации 148
4.7.2 Стратегия оптимизации соседей 151
4.7.3 Стратегия оптимизации PPRA 155
4.8 Метод проверки области армальной области на основе последовательности консервативного 158
4.8.1 Прямой гомологичный ген 159
4.8.2 Консервативная функция баллов 160
4.8.3 Экспериментальные результаты и анализ 162
Глава 5 Прогноз взаимодействия с наркотиками 168
5.1 Введение 168
5.2 Статус исследования 168
5.2.1 Препарат, основанный на полупроницаемом исследовании взаимодействия с целью обучения, 168
5.2.2.
5.3 Набор данных 170
5.3.1 Набор данных DTI 170
5.3.2.
5.4 Исследование взаимодействия с наркотиками на основе глубокого обучения 172
5.4.1 Индикация ввода 172
5.4.2 Прогноз модель 172
5.4.3 Оптимизированная функция потерь 174
5.4.4 Экспериментальные результаты и анализ 174
5.5 РЧ-исследования на основе взаимодействия с наркотиками 177
5.5.1 Целевой белок Особенности Стратегия экстракта 177
5.5.2 Стратегия извлечения лекарственных элементов 178
5.5.3 Стратегия комбинации функций 179
5.5.4 Продление взаимодействия на основе радиочастотных на основе РЧ.
5.5.5 Экспериментальные результаты и анализ 182
5.6 Препараты на основе исследования взаимодействия с целью нагрузки на субпространство 183
5.6.1 Описание алгоритма SMF 184
5.6.2 Экспериментальные результаты и анализ 186
5.7 Белок лекарственного средства на основе комбинации натурального языка с аффинными исследованиями 188
5.7.1 Распределенное выражение и встроенное слово 188
5.7.2 Слово встроенная последовательность целевой последовательности лекарств 189
5.7.3 Особенности последовательности целей лекарственного средства, основанные на модели Deep Learning Model Extract 191
5.7.4 Экспериментальные результаты и анализ 195
Ссылки 199
Приложение 1 Тренировочная концентрация образцаΔ&Дельта;
Приложение 2 Проверьте детали набора образцов 211
Приложение 3 Хаб -белок часть набора данных 213