PSSP之特征提取(PSSP protein secondary structure prediction)
One-hot encoding AAC
维度为20+3(BXZ)。
PSSM encoding
- fasta文件
- psi-blast程序+protein db(nr db 40G 下载失败 uniref50 6G 下载成功)
- makeblastdb.exe (uniref50 格式化成功 耗时 4846 secords)
- python批量 cmd操作(待续)
- data_process.py
SVM 分类
多核组合rbf+lin 效果好
优化之特征清洗
- 加上标志位
- 或是化学性能的特征
- 还有加上3个AAC
- 再用数据库uniref50跑一下pssm 还是自己的程序跑出来PSSM 比较靠谱 而且 看了很多论文也用了uniref50说明他还是有点靠谱的
- 还有就是归一化特征 我去我之前LSTM跑的文本分类里去找一下灵感
- 还有就是划窗操作 吧PSSM用滑动窗口处理下 看看会不会有优化效果
- 给PSSM的值归一化