周2-克洛茨科夫斯基,欧亮,刘云云,张三阳,，胜利PY-2015 DA-2015/12/15 TI-基于一致序列和分段PSSM SP-370756 VL的低相似性序列蛋白质结构类预测-2015 AB-低相似性序列蛋白质结构类预测有助于理解折叠模式、调节、功能，以及蛋白质之间的相互作用。众所周知，特征提取对蛋白质结构类的预测具有重要意义，它主要使用蛋白质一级序列、预测二级结构序列和位置特异性评分矩阵（PSSM）。目前，仅基于PSSM的预测在提高预测精度方面发挥了关键作用。在本文中，我们提出了一种融合一致序列（CS）、分段PsePSSM和基于PSSM的分段自方差变换（ACT）的新方法，称为CSP SegPseP SegACP。本文采用了三个广泛使用的低相似性数据集（1189、25PDB和640）。然后构造700维（700D）特征向量，并利用主成分分析（PCA）将其降维为224D。为了验证我们方法的性能，对1189、25PDB和640个数据集进行了严格的折刀交叉验证测试。我们的结果与现有的基于PSSM的方法的比较表明，我们的方法取得了良好的和有竞争力的性能。这将为其他基于PSSM的低相似性序列蛋白质结构类预测方法提供重要的补充。SN-1748-670X UR-https://doi.org/10.1155/2015/370756 DO-10.1155/2015/370756 JF-医学中的计算和数学方法PB-印度教出版公司KW-ER-