University of Delaware.;
机译:具有Fisher评分功能和深度学习的蛋白质相互作用的残基-残基接触矩阵的预测
机译:使用加权极端学习机结合比例不变特征变换,以预测来自蛋白质进化信息的蛋白质 - 蛋白质相互作用
机译:通过纳入综合主机网络性质,基于机器学习的人蛋白蛋白质 - 蛋白质相互作用的预测
机译:Sipma:在机器学习框架中使用自相关特征的ZeA蛋白质 - 蛋白质相互作用的系统鉴定:Zea Mays中蛋白质 - 蛋白质相互作用的鉴定
机译:用统计学习技术预测蛋白质相互作用。
机译:使用基于集成特征的随机森林方法预测跨膜蛋白中的残基-残基接触和螺旋-螺旋相互作用
机译:使用基于集成特征的随机森林方法预测跨膜蛋白中的残基-残基接触和螺旋-螺旋相互作用