A Novel Feature Extraction Method with Feature Selection to Identify Golgi-Resident Protein Types from Imbalanced Data.

Yang, Runtao; Zhang, Chengjin; Gao, Rui; Zhang, Lina

Yang, Runtao; Zhang, Chengjin; Gao, Rui; Zhang, Lina.

Afiliação

Yang R; School of Control Science and Engineering, Shandong University, Jinan 250061, China. runtao-sd@163.com.
Zhang C; School of Control Science and Engineering, Shandong University, Jinan 250061, China. cjzhang@sdu.edu.cn.
Gao R; School of Mechanical, Electrical and Information Engineering, Shandong University atWeihai, Weihai 264209, China. cjzhang@sdu.edu.cn.
Zhang L; School of Control Science and Engineering, Shandong University, Jinan 250061, China. gaorui@sdu.edu.cn.

Int J Mol Sci ; 17(2): 218, 2016 Feb 06.

Article em En | MEDLINE | ID: mdl-26861308

Assuntos

Biologia Computacional; Complexo de Golgi/metabolismo; Proteínas/metabolismo; Algoritmos; Aminoácidos/química; Animais; Evolução Biológica; Biologia Computacional/métodos; Bases de Dados de Proteínas; Suscetibilidade a Doenças; Humanos; Peptídeos/química; Proteínas/química; Curva ROC; Reprodutibilidade dos Testes; Biologia de Sistemas/métodos

Palavras-chave

common spatial patterns; golgi apparatus proteins; random forest; recursive feature elimination; synthetic minority over-sampling technique

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Proteínas / Biologia Computacional / Complexo de Golgi Tipo de estudo: Prognostic_studies Limite: Animals / Humans Idioma: En Revista: Int J Mol Sci Ano de publicação: 2016 Tipo de documento: Article País de afiliação: China

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google