基於資料科學方法之巨量蛋白質功能預測
自人體基因組計畫與次世代定序的完成後，生物資料呈現爆炸性的成長，其中蛋白質序列也是大量發現的基因產物之一，然而蛋白質的功能檢測與標記極其耗時，因此存在大量已知序列卻不知其功能的蛋白質，在實驗前透過電腦先預測可能之功能，能夠幫助生物學家排定不同的蛋白質功能實驗順序，因而加快蛋白質功能標注的速度。基因本體論（GO）是一個被廣泛使用描述基因產物功能與性質的分類方法，分為生物途徑、細胞組件、分子功能三個分支，每個分支皆為一個由多個GO組成的階層樹。蛋白質功能預測為透過蛋白質序列預測該蛋白質所擁有的GO，因此可以視為一個多標籤的分類機器學習問題。我們提出一個基於序列同源性的機器學習預測框架，同時能夠結合...
| Main Authors: | , |
|---|---|
| Language: | 英文 |
| Published: |
國立政治大學
|
| Subjects: | |
| Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22G0104753013%22. |