导读:本文包含了最小离散增量论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:增量,疏水,最小,论文。
最小离散增量论文文献综述
刘芬,李前忠[1](2006)在《基于氨基酸亲疏水分布的最小离散增量方法识别蛋白质超家族》一文中研究指出摆脱目前常用的基于特征模体来识别超家族的方法,引入单个氨基酸的物理化学性质(亲疏水性质)及其在氨基酸序列中的分布特征参数(分段的方法),利用最小离散增量算法对属于同一结构类的不同超家族进行了识别,总预测成功率令人满意.选取了全α类、全β类、α+β类、α/β类中的各4个超家族分别进行了识别.对全α类的4个超家族,se lf-cons istency检验和jack-kn ife检验可达83.0%,81.2%;对全β类的4个超家族,两种检验均为80.9%;对α+β类的4个超家族,两种检验总成功率最高分别为88.6%,88.0%;识别α/β类的4个超家族时两种检验的结果分别为69.3%和67.6%.(本文来源于《内蒙古大学学报(自然科学版)》期刊2006年04期)
最小离散增量论文开题报告
最小离散增量论文参考文献
[1].刘芬,李前忠.基于氨基酸亲疏水分布的最小离散增量方法识别蛋白质超家族[J].内蒙古大学学报(自然科学版).2006
论文知识图





