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]	田野. 基于多特征融合的电能质量扰动信号调制算法 [J]. 吉林大学学报(信息科学版), 2025, 43(6): 1237-1243.
[2]	孙朋飞, 胡悦, 张文俊, 许婧. 结合CNN和旋转森林的影视视频标签分类算法优化 [J]. 吉林大学学报(信息科学版), 2025, 43(6): 1363-1368.
[3]	祁蔚茹, 毕鹏. 基于并行聚类算法的区域经济大数据集成分类方法 [J]. 吉林大学学报(信息科学版), 2025, 43(5): 1144-1150.
[4]	王冬梅, 宋南南, 张丹, 王鹏, 路敬祎. 基于 AOA-SVM 的数字孪生管道泄漏识别模型 [J]. 吉林大学学报(信息科学版), 2025, 43(5): 937-943.
[5]	刘欢, 李宏亮, 陈维汉. 融合多模态信息的跨媒体知识文本分类算法 [J]. 吉林大学学报(信息科学版), 2025, 43(5): 1138-1143.
[6]	孙晓瑜. 基于机器学习的文本分类与标签预测算法[J]. 吉林大学学报(信息科学版), 2025, 43(4): 837-843.
[7]	邱晓莹, 张华辉, 徐航, 吴敏敏. 基于多交互特征融合的方面级情感分类方法 [J]. 吉林大学学报(信息科学版), 2025, 43(4): 913-924.
[8]	刘元振, 隋成明, 刘子琪, 刘凤敏. 基于改进型结构重参数化卷积神经网络的气体传感器数据分析[J]. 吉林大学学报(信息科学版), 2025, 43(3): 504-510.
[9]	张科星, 何江. 基于改进支持向量机的动态多点手势动作识别方法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 583-590.
[10]	董传民, 侯仰博, 樊祜卿, 李士杰. 基于SVM 的智能情报分析数据风险特征筛选算法 [J]. 吉林大学学报(信息科学版), 2025, 43(3): 632-638.
[11]	王淳, 邢敏, 逯洋. 分形加权局部形态模式算法的构建及其应用[J]. 吉林大学学报(信息科学版), 2025, 43(3): 662-670.
[12]	董飒, 刘杰, 刘大有, 李婷婷, 徐海啸, 吴旗, 欧阳若川. 引入激活扩散的贝叶斯网络分类器[J]. 吉林大学学报(信息科学版), 2025, 43(2): 317-326.
[13]	张朝. 基于HHT算法的呼吸机运行状态智能监测方法[J]. 吉林大学学报(信息科学版), 2025, 43(2): 309-316.
[14]	殷海双, 李睿. 基于双邻域和特征选择的潜在低秩稀疏投影[J]. 吉林大学学报(信息科学版), 2025, 43(1): 195-202.
[15]	刘宇, 吴红林, 闫泽一, 文世纪, 张连振 . 基于深度学习的桥梁索力传感器异常数据识别方法 [J]. 吉林大学学报(信息科学版), 2024, 42(5): 847-855.