Abstract: H. Jiang, A. Zhang, Z. Zhang, Q. Meng, Y. Li (2019)

As protein types continue to increase, there are more and more methods for predicting protein structure. In this paper, a feature extraction method based on multiscale coarse-grained time series recurrence quantification analysis and horizontal visibility graph is proposed. First, the chaos game representation is used to map the protein secondary structure sequence into two time series. Multiscale coarse granulation time series. Then feature extraction by combining recurrence quantification analysis and horizontal visibility graph. Thereby a 30-D feature vector is obtained. This paper uses support vector machine to predict protein tertiary structure. In this paper, the prediction results of the two low homologous protein datasets were 95.33% and 93%, respectively.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Protein tertiary structure prediction based on multiscale recurrence quantification analysis and horizontal visibility graph