文件名称：biovec:ProtVec可用于蛋白质相互作用预测，结构预测和蛋白质数据可视化
文件大小：1.44MB
文件格式：ZIP
更新时间：2024-05-22 13:36:51
svm rbf-kernel word2vec protein gensim
2017年 蛋白质分类超过蛋白质ngrams矢量表示的总和 通常，生物信息由字符数组表示，但建议通过将其表示为矢量，可以更轻松地存储信息以进行分析。 作为特定的应用范围， 家庭分类 蛋白质可视化 结构预测 蛋白质无序鉴定 蛋白质相互作用预测。 这样的分类和预测很容易理解用法，但是我个人认为蛋白质可视化将是最有用的。 除非序列短或结构已知，否则似乎目前不掌握蛋白质整体的方法通常不受欢迎，因此我认为这种表达方法具有一定的实用性。 尽管乍一看这个想法似乎很奇怪，但是在某种程度上，它是自然语言中公认的。 见另一种实现方式 ， 论文： : 如果没有数据库，可以从下面的链接下载。 Uniprot（瑞士保护） 厌恶 如果您不在Mac OS上运行，请尝试此操作 如何安装和使用 安装python软件包。 点安装-r requirements.txt cf）如果您使用macos并遇到与m
【文件预览】：
biovec-master
----setup.py(312B)
----.gitignore(383B)
----requirements.txt(2KB)
----bio_tsne()
--------__init__.py(0B)
--------test_link_with_labels.py(868B)
--------tsne_protein.py(1KB)
--------tsne_3gram.py(2KB)
----binary_svm.py(3KB)
----make_data_uniprot.py(13KB)
----biovisual()
--------__init__.py(0B)
--------bio_visual.py(2KB)
----bio_svm()
--------train_svm_biovec.py(10KB)
----constants.py(389B)
----README.md(5KB)
----visualize.py(3KB)
----image()
--------binarysvm.png(113KB)
--------densitymap.png(552KB)
--------proteinspace.png(323KB)
----word2vec()
--------__init__.py(28B)
--------models.py(4KB)
----processed_data()
--------processed_sequence.py(4KB)
--------binary_svm()
----ngrams_properties()
--------test_ngrams_properties.py(1KB)
--------__init__.py(0B)
--------ngrams_properties.py(2KB)