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
- Comparative Analysis of Epileptic Seizure Prediction: Exploring Diverse
Pre-Processing Techniques and Machine Learning Models [0.0]
脳波データを用いたてんかん発作予測のための5つの機械学習モデルの比較分析を行った。
本分析の結果は,各モデルの性能を精度で示すものである。
ETモデルは99.29%の精度で最高の性能を示した。
論文 参考訳(メタデータ) (2023-08-06T08:50:08Z) - 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) - A 1D-CNN Based Deep Learning Technique for Sleep Apnea Detection in IoT
Sensors [3.2116198597240846]
本稿では,ウェアラブルデバイスから取得した心電図(ECG)信号から呼吸時無呼吸検出のための新しい手法を提案する。
この新しさは、秒単位の高分解能の無呼吸検出に起因している。
このモデルはいくつかの低分解能アパネ検出法より優れる。
論文 参考訳(メタデータ) (2021-05-02T18:35:57Z) - 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) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - 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) - Estimating Structural Target Functions using Machine Learning and
Influence Functions [103.47897241856603]
統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。
このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。
我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
論文 参考訳(メタデータ) (2020-08-14T16:48:29Z) - Spitzoid Lesions Diagnosis based on GA feature selection and Random
Forest [0.0]
本研究の目的は,スピッツイド病変の診断を支援する人工知能モデルを開発することである。
本研究で提案したシステムを評価するために,私的スピッツイド病変データセットが用いられている。
SMOTE-GA-RFモデルとGA-16の特徴は精度0.97, F-measure 0.98, AUC 0.98, G-mean 0.97で優れた性能を示した。
論文 参考訳(メタデータ) (2020-03-10T14:03:28Z)
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。