TY - JOUR A2 - Bao Wenzheng AU - Song, chudong AU - Wang, Haifeng PY - 2020 DA - 2020/11/28 TI - CirBiTree:基于模糊神经网络和柔性神经树SP - 8847694 VL - 2020 AB的瓜氨酸位点推断新证据表明，翻译后修饰在多种人类复杂疾病中发挥重要作用。然而，考虑到经典和典型体外实验固有的高成本和时间消耗，开发高效和可用的计算工具来识别蛋白质水平上的潜在修饰位点越来越受到关注。在这项工作中，我们提出了一个基于机器学习的模型称为CirBiTree来识别潜在的瓜氨酸化位点。更具体地说，我们最初利用双谱贝叶斯来提取肽序列信息。然后，采用柔性神经树和模糊神经网络作为分类模型。最后，在该模型中选择了最有效的肽段长度。为了评价所提出的方法的性能，我们使用了一些最先进的方法进行比较。实验结果表明，该方法优于其他方法。CirBiTree在sn%中可以达到83.07%，在sp中可以达到80.50%，在F1中可以达到0.8201，在MCC中可以达到0.6359。 SN - 1058-9244 UR - https://doi.org/10.1155/2020/8847694 DO - 10.1155/2020/8847694 JF - Scientific Programming PB - Hindawi KW - ER -