Your browser doesn't support javascript.
loading
Predicting enzyme class from protein structure using Bayesian classification
Borro, L. C; Oliveira, S. R; Yamagishi, M. E; Mancini, A. L; Jardine, J. G; Mazoni, I; Santos, E. H; Higa, R. H; Kuser, P. R; Neshich, G.
Afiliação
  • Borro, L. C; Embrapa Information Technology. Campinas. BR
  • Oliveira, S. R; Embrapa Information Technology. Campinas. BR
  • Yamagishi, M. E; Embrapa Information Technology. Campinas. BR
  • Mancini, A. L; Embrapa Information Technology. Campinas. BR
  • Jardine, J. G; Embrapa Information Technology. Campinas. BR
  • Mazoni, I; Embrapa Information Technology. Campinas. BR
  • Santos, E. H; Embrapa Information Technology. Campinas. BR
  • Higa, R. H; Embrapa Information Technology. Campinas. BR
  • Kuser, P. R; Embrapa Information Technology. Campinas. BR
  • Neshich, G; Embrapa Information Technology. Campinas. BR
Genet. mol. res. (Online) ; 5(1): 193-202, Mar. 31, 2006. graf, tab
Artigo em Inglês | LILACS | ID: lil-449133
Biblioteca responsável: BR1.1
ABSTRACT
Predicting enzyme class from protein structure parameters is a challenging problem in protein analysis. We developed a method to predict enzyme class that combines the strengths of statistical and data-mining methods. This method has a strong mathematical foundation and is simple to implement, achieving an accuracy of 45%. A comparison with the methods found in the literature designed to predict enzyme class showed that our method outperforms the existing methods.
Assuntos

Texto completo: Disponível Coleções: Bases de dados internacionais Base de dados: LILACS Assunto principal: Conformação Proteica / Teorema de Bayes / Enzimas Tipo de estudo: Estudo prognóstico / Fatores de risco Limite: Humanos Idioma: Inglês Revista: Genet. mol. res. (Online) Assunto da revista: Biologia Molecular / Genética Ano de publicação: 2006 Tipo de documento: Artigo País de afiliação: Brasil Instituição/País de afiliação: Embrapa Information Technology/BR
Texto completo: Disponível Coleções: Bases de dados internacionais Base de dados: LILACS Assunto principal: Conformação Proteica / Teorema de Bayes / Enzimas Tipo de estudo: Estudo prognóstico / Fatores de risco Limite: Humanos Idioma: Inglês Revista: Genet. mol. res. (Online) Assunto da revista: Biologia Molecular / Genética Ano de publicação: 2006 Tipo de documento: Artigo País de afiliação: Brasil Instituição/País de afiliação: Embrapa Information Technology/BR
...