論文の概要: piSAAC: Extended notion of SAAC feature selection novel method for discrimination of Enzymes model using different machine learning algorithm

• arxiv url: http://arxiv.org/abs/2101.03126v1
• Date: Wed, 16 Dec 2020 03:45:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 12:16:25.722915
• Title: piSAAC: Extended notion of SAAC feature selection novel method for discrimination of Enzymes model using different machine learning algorithm
• Title（参考訳）: piSAAC:異なる機械学習アルゴリズムを用いた酵素モデルの識別のためのSAAC特徴選択法の拡張
• Authors: Zaheer Ullah Khan, Dechang Pi, Izhar Ahmed Khan, Asif Nawaz, Jamil Ahmad, Mushtaq Hussain
• Abstract要約: piSAACという新しい分割アミノ酸合成モデルを提案する。 タンパク質配列は等しくバランスの取れた末端で識別され、配列の固有相関性を完全に評価する。
• 参考スコア（独自算出の注目度）: 13.921567068182132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enzymes and proteins are live driven biochemicals, which has a dramatic impact over the environment, in which it is active. So, therefore, it is highly looked-for to build such a robust and highly accurate automatic and computational model to accurately predict enzymes nature. In this study, a novel split amino acid composition model named piSAAC is proposed. In this model, protein sequence is discretized in equal and balanced terminus to fully evaluate the intrinsic correlation properties of the sequence. Several state-of-the-art algorithms have been employed to evaluate the proposed model. A 10-folds cross-validation evaluation is used for finding out the authenticity and robust-ness of the model using different statistical measures e.g. Accuracy, sensitivity, specificity, F-measure and area un-der ROC curve. The experimental results show that, probabilistic neural network algorithm with piSAAC feature extraction yields an accuracy of 98.01%, sensitivity of 97.12%, specificity of 95.87%, f-measure of 0.9812and AUC 0.95812, over dataset S1, accuracy of 97.85%, sensitivity of 97.54%, specificity of 96.24%, f-measure of 0.9774 and AUC 0.9803 over dataset S2. Evident from these excellent empirical results, the proposed model would be a very useful tool for academic research and drug designing related application areas.
• Abstract（参考訳）: 酵素とタンパク質は生きた駆動の生化学であり、活性のある環境に劇的な影響を及ぼす。 したがって、酵素の性質を正確に予測するためのロバストで高精度な自動計算モデルを構築することは極めて有望である。 本研究では, piSAACと命名された新規アミノ酸合成モデルを提案する。 このモデルでは、タンパク質配列は等しくバランスの取れた末端で識別され、配列の固有相関性を完全に評価する。 提案したモデルを評価するためにいくつかの最先端アルゴリズムが用いられている。 10倍のクロスバリデーション評価は、例えば異なる統計測度を用いてモデルの信頼性と堅牢性を明らかにするために用いられる。 精度, 感度, 特異性, F測定値, 面積アンダーROC曲線 実験の結果、piSAAC特徴抽出による確率的ニューラルネットワークアルゴリズムは、98.01%の精度、97.12%の感度、95.87%の特異性、0.9812and AUC 0.95812のf値、データセットS1の精度、97.85%の精度、97.54%の感度、96.24%の特異性、0.9774とAUC 0.9803のデータセットS2のF値が得られた。 これらの優れた実験結果から、提案モデルは、学術研究および薬物設計関連応用分野において非常に有用なツールとなる。

関連論文リスト

• CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
  ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。 次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
  論文  参考訳（メタデータ） (2024-11-10T02:40:06Z)
• Improving Machine Learning Based Sepsis Diagnosis Using Heart Rate Variability [0.0]
  本研究の目的は、心拍変動(HRV)機能を用いて、敗血症検出のための効果的な予測モデルを開発することである。 ニューラルネットワークモデルは、HRVの特徴に基づいてトレーニングされ、F1スコアは0.805、精度は0.851、リコールは0.763である。
  論文  参考訳（メタデータ） (2024-08-01T01:47:29Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Enhanced Anomaly Detection in Automotive Systems Using SAAD: Statistical Aggregated Anomaly Detection [0.0]
  本稿では,SAADと呼ばれる新しい異常検出手法を提案する。 SAADアプローチは、高度な統計技術と機械学習を統合し、その有効性は、自動車領域内のハードウェア・イン・ザ・ループ(HIL)環境からの実センサデータを検証することによって実証される。
  論文  参考訳（メタデータ） (2024-06-11T12:41:24Z)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)
• Interpretability methods of machine learning algorithms with applications in breast cancer diagnosis [1.1470070927586016]
  我々は,グローバルサロゲート(GS)法,個人期待(ICE)プロット,条件シェープ値(SV)などの解釈可能性技術を用いた。 乳がん診断における最良の成績は,提案したERN(精度96.6%,ROC曲線0.96)により得られた。
  論文  参考訳（メタデータ） (2022-02-04T13:41:30Z)
• Classification of Upper Arm Movements from EEG signals using Machine Learning with ICA Analysis [0.0]
  本稿では,多層パーセプトロンニューラルネットワークを用いて,左右の動作を識別する独自のアルゴリズムを提案する。 不要信号の干渉は、アルゴリズムの性能に影響を与える脳波信号を汚染する。
  論文  参考訳（メタデータ） (2021-07-18T18:56:28Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• A Novel Approach to Radiometric Identification [68.8204255655161]
  本稿では,CAPoNeFの特徴工学的手法を用いて,高精度なラジオメトリック同定が可能であることを実証する。 SDRで収集した実験データに基づいて,基本的なML分類アルゴリズムを検証した。
  論文  参考訳（メタデータ） (2020-12-02T10:54:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。