Machine Learning for Protein Subcellular Localization Prediction (eBook)
209 Seiten
De Gruyter (Verlag)
978-1-5015-0152-4 (ISBN)
For bioinformaticians, computational biologists, and wet-lab biologists, the authors provide the latest machine learning approaches for protein subcellular localization prediction with a systemic scheme for improving predictors performance.
Shibiao Wan, Man-Wai Mak, Hong Kong Polytechnic University, Hong Kong.
Comprehensively covers protein subcellular localization from single-label prediction to multi-label prediction, and includes prediction strategies for virus, plant, and eukaryote species. Three machine learning tools are introduced to improve classification refinement, feature extraction, and dimensionality reduction.
lt;!doctype html public "-//w3c//dtd html 4.0 transitional//en">
Shibiao Wan, Man-Wai Mak, Hong Kong Polytechnic University, Hong Kong.
1 Introduction
1.1Proteins and Their Subcellular Locations
1.2 Why Computationally Predicting Protein Subcellular Localization?
1.3 Organization of The Thesis
2 Literature Review
2.1 Sequence-Based Methods
2.2 Knowledge-Based Methods
2.3 Limitations of Existing Methods
3 Legitimacy of Using Gene Ontology Information
3.1 Direct Table Lookup?
3.2 Only Using Cellular Component GO Terms?
3.3 Equivalent to Homologous Transfer?
3.4 More Reasons for Using GO Information
4 Single-Location Protein Subcellular Localization
4.1 GOASVM: Extracting GO from Gene Ontology Annotation Database
4.2 FusionSVM: Fusion of Gene Ontology and Homology-Based Features
4.3 Summary
5 From Single-Location to Multi-Location
5.1 Significance of Multi-Location Proteins
5.2 Multi-Label Classification
5.3 mGOASVM: A Predictor for Both Single- and Multi-Location Proteins
5.4AD-SVM: An Adaptive-decision Multi-Label Predictor
5.5 mPLR-Loc: A Multi-Label Predictor Based on Penalized Logistic-Regression
5.6 Summary
6 MiningDeeper on GO for Protein Subcellular Localization
6.1Related Work
6.2 SS-Loc: Using Semantic Similarity Over GO
6.3 HybridGO-Loc: Hybridizing GO Frequency and SemanticSimilarity
Features
6.4 Summary
7 Ensemble Random Projection for Large-Scale Predictions
7.1Related Work
7.2RP-SVM: A Multi-Label Classifier with Ensemble Random Projection
7.3R3P-Loc: A Predictor Based on Ridge Regression and Random
Projection
7.4Summary
8 ExperimentalSetup
8.1Prediction of Single-Label Proteins
8.2Prediction of Multi-Label Proteins
8.3Statistical Evaluation Methods
8.4Summary
9 Results and Analysis
9.1 Performance of GOASVM
9.2 Performance of FusionSVM
9.3 Performance of mGOASVM
9.4 Performance of AD-SVM
9.5 Performance of mPLR-Loc
9.6 Performance of SS-Loc
9.7 Performance of HybridGO-Loc
9.8 Performance of Performance of RP-SVM
9.9 Performance of R3P-Loc
9.10 Comprehensive Comparison of Proposed Predictors
9.11 Summary
10 Discussions
10.1 Analysis of Single-label Predictors
10.2 Advantages of mGOASVM
10.3 Analysis for HybridGO-Loc
10.4 Analysis for RP-SVM
10.5 Comparing the Proposed Multi-Label Predictors
10.6 Summary
11 Conclusions
A Web-Servers for Protein Subcellular Localization
B Proof of No Bias in LOOCV
Bibliography
| Erscheint lt. Verlag | 19.5.2015 |
|---|---|
| Zusatzinfo | 58 b/w ill., 35 b/w tbl. |
| Verlagsort | Boston |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik |
| Technik ► Elektrotechnik / Energietechnik | |
| Technik ► Nachrichtentechnik | |
| Schlagworte | Bioinformatics • Computer Science • Proteomics |
| ISBN-10 | 1-5015-0152-6 / 1501501526 |
| ISBN-13 | 978-1-5015-0152-4 / 9781501501524 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 5,1 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Wasserzeichen)Größe: 8,7 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür die kostenlose Software Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür eine kostenlose App.
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Adobe DRM)Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
