隐马尔可夫模型—改进的预测蛋白质二级结构方法

被引：9

作者：

石峰

莫忠息

张楚瑜

机构：

[1] 华中农业大学理学院

[2] 武汉大学数学与统计学院

[3] 武汉大学生命科学学院湖北武汉

[4] 湖北武汉

来源：

生物数学学报 | 2004年 / 02期

关键词：

隐马尔可夫模型; Viterbi算法; 二级结构预测;

D O I：

暂无

中图分类号：

O211.6 [随机过程];

学科分类号：

020208 ; 070103 ; 0714 ;

摘要：

引入蛋白质二级结构预测的新方法:隐马尔可夫模型.其中将蛋白质的二级结构分成三类:H(指α-螺旋),E(β-折叠)及O(包括转角,卷曲及其他结构).该方法属于统计方法,但考虑了相邻氨基酸之间的相互作用(体现在状态传输概率).通过模型的改进及参数的确定后,我们编制了程序HMMPS.用它来预测蛋白质二级结构,具有很高的准确度.其中关于H1E和O的准确率分别达到80.1％,72.0％和63.2％.这表明,我们的方法是较为可靠的.

引用

页码：233 / 237

页数：5

共 9 条

[1]

Improvements in protein secondary structure prediction by anenhanced neural network. Kneller D G,Choen F E,Langridge R. Journal of Molecular Biology . 1990

[2] 氨基酸组成聚类、蛋白质结构型和结构型的预测 [J].

李晓琴 ;

罗辽复 .

生物物理学报, 1998, (04) :145-152

[3]

理论物理与生命科学[M]. 上海科学技术出版社 , 郝柏林,刘寄星主编, 1997

[4]

第二遗传密码？[M]. 湖南科学技术出版社 , 国家科委基础研究高技术司组织[编写], 1997

[5]

蛋白质与核酸序列分析基础[M]. 人民军医出版社 , 王槐春编著, 1994

[6]

Hidden markov models in computational biology applications to protein rnod-eling. Anders Kroth,Lareo Roos. Journal of Molecular Biology . 1994

[7]

A tutorian on hidden Markov models and selected applications in speech recognition. Rabiner N R. ProcIEEE . 1989

[8] P53蛋白质N末端的二级结构预测及其三维构象 [J].

张彦 ;

刘次全 .

生物物理学报, 1998, (04) :159-165

[9]

Using evolutionary trees in protein secondary structure prediction and other comparative sequence analyses. Nick Goldman,Salzberg Searl. Journal of Molecular Biology . 1996

← 1 →