Machine Learning for Protein Subcellular Localization Prediction (eBook, EPUB)
 |
| Dein klimafreundliches eBook steht für dich als EPUB Format nach dem Kaufprozess per Download bereit. |
1 Introduction
1.1 Proteins 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
5.4 AD-SVM: An Adaptive-decision Multi-Label Predictor
5.5 mPLR-Loc: A Multi-Label Predictor Based on Penalized Logistic- Regression
5.6 Summary
6 Mining Deeper on GO for Protein Subcellular Localization
6.1 Related Work
6.2 SS-Loc: Using Semantic Similarity Over GO
6.3 HybridGO-Loc: Hybridizing GO Frequency and Semantic Similarity
Features
6.4 Summary
7 Ensemble Random Projection for Large-Scale Predictions
7.1 Related Work
7.2 RP-SVM: A Multi-Label Classifier with Ensemble Random Projection
7.3 R3P-Loc: A Predictor Based on Ridge Regression and Random
Projection
7.4 Summary
8 Experimental Setup
8.1 Prediction of Single-Label Proteins
8.2 Prediction of Multi-Label Proteins
8.3 Statistical Evaluation Methods
8.4 Summary
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
Shibiao Wan, Man-Wai Mak, Hong Kong Polytechnic University, Hong Kong.
ePUB Typ
Reflowable ePUB: Sind dynamische eBooks, die auf unterschiedlichen Geräten und Bildschirmgrößen lesbar sind. Diese Art von ePUB passt sich an die Größe und Auflösung des Bildschirms an, auf dem sie gelesen wird. Der Text wird automatisch umgebrochen, um eine optimale Lesbarkeit zu gewährleisten. Reflowable ePUBs eignen sich am besten für Texte, die keine festgelegte Struktur oder ein festes Layout erfordern, wie z. B. Romane oder Bücher mit hauptsächlich textbasierten Inhalten.
Fixed Layout ePUB: Sind E-Books mit einem festen Layout, das auf dem Seitenlayout eines gedruckten Buches basiert. Diese Art von ePUB eignet sich am besten für eBooks, die Bilder, Grafiken oder Tabellen enthalten, die in einem bestimmten Layout angezeigt werden müssen. Fixed Layout ePUBs sind ideal für Comics, Kinderbücher, Kochbücher und Bildbände.
Interactive ePUB: Sind eBooks, die über interaktive Elemente wie Audio, Video, Animationen, Hyperlinks und andere Multimedia-Elemente verfügen. Diese Art von ePUBs ist am besten für Bildungsbücher, Lehrbücher und andere Lernmaterialien geeignet, die interaktive Elemente enthalten, um das Lernen zu verbessern. Es kann sein, dass einige Lesegeräte oder eBook-Reader möglicherweise nicht alle Arten von ePUB-Dateien unterstützen.
Schlagwörter zu:
Machine Learning for Protein Subcellular Localization Prediction von Shibiao Wan mit der ISBN: 9781501501524
COM018000 COMPUTERS / Data Processing; COM021030 COMPUTERS / Database Management / Data Mining; Bioinformatics; Computer Science; Proteomics, eBooks-Center
For legal reasons, the eBook download can only be delivered in countries with a billing address as follow
Der eBook-Download kann aus rechtlichen Gründen nur in Ländern mit den folgenden Rechnungsadressen ausgeliefert werden:
BG BE AT EE DK CZ CH DE CY HU HR GR FR FI ES LT LI IT IE NL MT LU LV SE RO PT PL SK SI
Kunden Rezensionen zu Machine Learning for Protein Subcellular Localization Prediction von Shibiao Wan | eBook
Kunden, die: "Machine Learning for Protein Subcellular Localization Prediction" (EPUB) von Shibiao Wan als eBook gekauft haben,
interessierten sich auch für die folgenden eBooks: