ASIA unversity:Item 310904400/110918
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 94286/110023 (86%)
造访人次 : 21696256      在线人数 : 919
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧：
  • 您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果
  • 若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据
    •  进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://asiair.asia.edu.tw/ir/handle/310904400/110918


    题名: 以階層式綜合預測蛋白質磷酸化位置
    作者: 周力行
    贡献者: 生物資訊與醫學工程學系
    关键词: 磷酸化位置預測、綜合預測、即時決策問題、階層式綜合預測、乘性權重更新演算法、機器學習
    日期: 2017
    上传时间: 2018-06-07
    出版者: 亞洲大學
    摘要: 目前已經開發了許多的磷酸化預測網站來預測磷酸化位置，但卻沒有任何一個預測網站能在任何情況下，性能皆能夠勝於其他預測網站。
    綜合預測策略，是由Wan 等人的團隊所提出一個預測方法，此策略為整合許多預測磷酸化位置網站的預測結果。他們的綜合預測策略效能取得相當不錯的結果，且在大多情況下效能皆優於各基礎預測網站。他們執行一個廣義的權重投票策略藉由限制格點搜尋來產生綜合預測程式。但是，限制格點分析因為使用組合分析法，導致其有著大量的參數組合，若隨著樣本或是參數的增加，運算量會呈指數成長，非常耗時。
    在本論文中，我們使用了乘性權重更新演算法及階層式綜合預測來學習綜合預測較好的參數，並且以此為基礎，嘗試刪除性能較差的預測網站，以取得更好的效能參數。
    實驗結果顯示我們的綜合預測性能超過了KinasePhos, KinasePhos 2.0, PPSP, GPS3.0,在 S/T 位置在四個激酶,PKA,PKC,CDK,CK2 上的預測正確率。

    There are numerous predictors have been developed to the phosphorylation sites prediction. However, there are no developed prediction programs that could make more accurate prediction than other prediction programs in every situation.Meta-prediction strategies. It is a phosphorylation sites prediction method proposed by Wan et al's team. The method integrate results of several prediction tools for phosphorylation sites prediction. Their meta-predictor gained an outstanding prediction performance that surpasses that of all combined prediction programs. They performed a generalized weighted voting strategy with parameters determined by restricted grid search to produce meta-prediction programs. Unfortunately, restricted grid search is time-consuming and the values of restricted grids should be computed using combinatorial analysis. In this paper, we make use of multiplicative update algorithms and hierarchical meta-prediction to learn better parameters for meta-predictions. Remove several prediction tools of bad performance. To get better performance parameters. The experimental results show that the hierarchical meta-prediction performs better KinasePhos, KinasePhos 2.0, PPSP, GPS3.0 for S/T kinase families, PKA, PKC, CDK, CK2.
    显示于类别:[生物資訊與醫學工程學系 ] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML282检视/开启


    检视Licence

    在ASIAIR中所有的数据项都受到原著作权保护.

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回馈