基于支持向量机构象性B细胞表位预测研究

吉林大学学报(信息科学版) ›› 2015, Vol. 33 ›› Issue (3): 298-304.

基于支持向量机构象性B细胞表位预测研究

刘波^a, 张春华^b

东北师范大学 a. 体育学院, 长春 130024； b. 计算机科学与信息技术学院, 长春 130117

收稿日期:2015-02-03 出版日期:2015-05-23 发布日期:2015-07-25
作者简介:刘波（1962—）, 女, 长春人, 东北师范大学副教授, 硕士生导师, 主要从事运动人体科学和生物信息学研究, (Tel)86-13019200575(E-mail)liub421@nenu.edu.cn。
基金资助:
吉林省科技厅自然科学基金资助项目(批准号: 20101506)

Prediction of Conformational B-Cell Epitope Using Support Vector Machine Algorithm

LIU Bo^a, ZHANG Chunhua^b

a. Faculty of Physical Education, Northeast Normal University, Changchun 130024, China;b. School of Computer Science and Information Technology, Northeast Normal University, Changchun 130117, China

Received:2015-02-03 Online:2015-05-23 Published:2015-07-25

摘要/Abstract

摘要：

为节约实验成本, 提高工作效率, 提出利用计算的方法预测B细胞表位, 通过预测得到较为精确的结果。提取氨基酸的10个表位相关属性特征, 并使用支持向量机的分类方法对抗原表面氨基酸进行分类, 预测得到候选表位残基。最后通过15个测试例, 验证了笔者算法的有效性。

关键词: 表位预测, 支持向量机, 表位特征, 分类

Abstract:

To save the cost of experiment, improve the work efficiency, we predict the Bcell epitope by computing method, and then use the results to direct the experiment further. We extract 10 epitope relevant amino acids propensities, and then classify antigen surface residues by using vector machine algorithm to predict the candidate epitopes. According to fifteen test cases, we validate the effectiveness of the method.

Key words: epitope prediction, support vector machine(SVM), epitope features, classification

中图分类号:

刘波, 张春华. 基于支持向量机构象性B细胞表位预测研究[J]. 吉林大学学报(信息科学版), 2015, 33(3): 298-304.

LIU Bo, ZHANG Chunhua. Prediction of Conformational B-Cell Epitope Using Support Vector Machine Algorithm[J]. Journal of Jilin University(Information Science Ed, 2015, 33(3): 298-304.

[1]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[2]	张雨烟, 陈万忠, 张涛, 李明阳. 基于非负矩阵分解的癫痫脑电自动检测[J]. 吉林大学学报(信息科学版), 2017, 35(5): 551-559.
[3]	兰兰, 陈万忠, 魏庭松. 基于融合特征提取与 LLE 方法的表情识别[J]. 吉林大学学报(信息科学版), 2017, 35(4): 384-391.
[4]	杨永健, 聂瑜, 吴洋, 孙广志, 杨仲尧. 基于 SVM 新的情感计算方法[J]. 吉林大学学报(信息科学版), 2017, 35(4): 438-442.
[5]	李学贵,许少华,李娜,赵恩涛,郭昊 . 基于涡流搜索算法的过程支持向量回归机模型[J]. 吉林大学学报(信息科学版), 2017, 35(3): 341-346.
[6]	胡云鹏, 王世刚. 基于支持向量机与朴素贝叶斯的犯罪度理论研究[J]. 吉林大学学报(信息科学版), 2017, 35(1): 20-25.
[7]	王贺,邓茂云,姜守坤,李明明,宗宇轩,刘富 . 改进的双边二维线性判别分析的手背静脉识别[J]. 吉林大学学报(信息科学版), 2017, 35(1): 32-36.
[8]	杜昭慧,司玉娟 . 基于层次支持向量机的脉搏信号情感识别[J]. 吉林大学学报(信息科学版), 2017, 35(1): 37-42.
[9]	贾隆嘉,孙铁利,杨凤芹,孙红光 . 基于类空间密度的文本分类特征加权算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 92-97.
[10]	唐国维,张岩,王苫社,刘彦彤,赵璨 . 基于 ε-SVR 的嵌入式小波图像编码算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 76-84.
[11]	王丹,臧雪柏,陈奋君 . 基于 Latent SVM 的多视角行为识别方法[J]. 吉林大学学报(信息科学版), 2016, 34(6): 747-752.
[12]	蔡柳, 恵飞, 叶敏, 康科, 赵祥模. 基于不确定抽样的半监督城市土地功能分类方法[J]. 吉林大学学报(信息科学版), 2016, 34(4): 550-555.
[13]	杨宇, 司玉娟, 宋晓洋. 基于小波变换和支持向量机的心电信号ST 段分类[J]. 吉林大学学报(信息科学版), 2016, 34(3): 315-319.
[14]	宋晓洋, 刘立勋. 基于SVM 回归的连续血压测量方法[J]. 吉林大学学报(信息科学版), 2016, 34(3): 384-389.
[15]	马兴民1, 孙文财2, 徐艺2, 郑鹏宇3. 驾驶员不良情绪状态检测系统的方法研究[J]. 吉林大学学报(信息科学版), 2015, 33(6): 680-.