科泰-的A2 Vlamos帕诺什·非盟- Wang Yanbin盟——你,朱红AU -李,李盟——周,力平盟- Cheng Xi盟——张,荔波非盟-李,肖盟——江Tonghai PY - 2018 DA - 2018/12/10 TI -蛋白质相互作用预测使用深度学习Method-Stacked稀疏Autoencoder结合概率向量机分类SP - 4216813六世- 2018 AB -蛋白质的相互作用(质子泵抑制剂),作为一种重要的细胞内分子过程,是关键的重要的生化功能的细胞。尽管高通量实验技术的成熟,使研究人员能够发现大量的质子泵抑制剂,它有不可避免的缺点,如成本高,耗时。最近的研究表明,质子泵抑制剂可以有效地检测到计算方法。因此,在这项研究中,我们提出一种新的计算方法来预测质子泵抑制剂只使用蛋白质序列信息。这种方法是基于开发的深度学习algorithm-stacked稀疏autoencoder (SSAE)结合勒让德时刻(LM)特征提取技术。最后,概率向量机分类(PCVM)分类器是用于实现PPI的预测。该方法进行人力、unbalanced-human 幽门螺旋杆菌, 酿酒酵母数据集和5倍交叉验证,取得了很高的预测精度为98.58%,97.71%,93.76%,和96.55%,分别。进一步评估我们的方法的性能,我们比较为基础的支持向量机(SVM)方法。实验结果表明,PCVM-based方法明显优于基于svm的方法。我们的结果证明,该方法是可行的,有效的,和鲁棒性。SN - 1076 - 2787你——https://doi.org/10.1155/2018/4216813——10.1155 / 2018/4216813 JF - PB - Hindawi KW - ER -复杂性