AI Summary & Key Takeaways
AI InsightProximal Support Vector machines gives better results when compared with three of them.
📌 3 Key Takeaways
Abstract
As disorders in protein structure can cause diseases and the functional disorders, in some cases this can be a pre-condition for a protein to carryout the vital functions. Hence, the determination of the disorders in structures has vital importance. Clinical and experimental studies on these fields are quite expensive and time-consuming, In this study, as an alternative for the experimental approaches, the most common data mining tools, Artificial Neural Networks-radial basis functions, and Support Vector Machines, have been used to reduce the time and the cost. To be used at the examination of the structures of the order and disorder proteins, Su et al. in 2006 has been used for the purpose of the comparisons. Proximal Support Vector machines gives better results when compared with three of them.
Özet
Protein yapısındaki düzensizlikler hastalıklara ve islevsel bozukluklara neden olabildikleri gibi bazı durumlarda proteinin çok önemli fonksiyonları yerine getirmesinde ön kosul olabilmektedirler. Bu nedenle proteinlerin yapılarındaki düzensizliklerin tespit edilmesi oldukça önem tasımaktadır. Klinik ve laboratuar çalısmalarındaki zaman ve maliyeti düsürmek amacı ile bu çalısmada, deneysel yaklasımlara alternatif olarak veri madenciliğinin önemli yöntemlerinden olan Yapay Sinir Ağlarından radyal tabanlı fonksiyonlar, ve Destek Motor Vektörleri kullanılmıstır. Düzenli ve düzensiz protein yapılarının incelenmesinde kullanılmak üzere, Su ve ark. tarafından 2006 yılında hazırlanmıs bir veri seti kullanılmıstır. Üç metotdan en basarılısı Yakınsal Destek Vektörleri Motorları olmustur.