| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
07/03/2007 |
|
Data da última atualização: |
17/05/2017 |
|
Autoria: |
BORRO, L. C.; OLIVEIRA, S. R. M.; YAMAGISHI, M. E. B.; MANCINI, A. L.; JARDINE, J. G.; MAZONI, I.; SANTOS, E. H. dos; HIGA, R. H.; KUSER, P. R.; NESHICH, G. |
|
Afiliação: |
LUIZ C. BORRO, CNPTIA; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; MICHEL EDUARDO BELEZA YAMAGISHI, CNPTIA; ADAUTO LUIZ MANCINI, CNPTIA; JOSE GILBERTO JARDINE, CNPTIA; IVAN MAZONI, CNPTIA; EDGARD HENRIQUE DOS SANTOS, CNPTIA; ROBERTO HIROSHI HIGA, CNPTIA; PAULA REGINA KUSER FALCAO, CNPTIA; GORAN NESHICH, CNPTIA. |
|
Título: |
Predicting enzyme class from protein structure using Bayesian classification. |
|
Ano de publicação: |
2006 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 5, n. 1, p. 193-202, 2006. |
|
Idioma: |
Inglês |
|
Conteúdo: |
ABSTRACT. Predicting enzyme class from protein structure parameters is a challenging problem in protein analysis. We developed a method to predict enzyme class that combines the strengths of statistical and data-mining methods. This method has a strong mathematical foundation and is simple to implement, achieving an accuracy of 45%. A comparison with the methods found in the literature designed to predict enzyme class showed that our method outperforms the existing methods. |
|
Palavras-Chave: |
Bayesian classification; Bayesian classifier; Bioinformática; Classe de enzima; Data classification; Enzyme classification number; Estrutura de proteína; Naive Bayes; Protein function prediction. |
|
Thesaurus Nal: |
Bioinformatics; Protein structure. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/159942/1/AP-Predicting-Borro-GMR-2006.pdf
|
|
Marc: |
LEADER 01540naa a2200361 a 4500
001 1009196
005 2017-05-17
008 2006 bl uuuu u00u1 u #d
100 1 $aBORRO, L. C.
245 $aPredicting enzyme class from protein structure using Bayesian classification.$h[electronic resource]
260 $c2006
520 $aABSTRACT. Predicting enzyme class from protein structure parameters is a challenging problem in protein analysis. We developed a method to predict enzyme class that combines the strengths of statistical and data-mining methods. This method has a strong mathematical foundation and is simple to implement, achieving an accuracy of 45%. A comparison with the methods found in the literature designed to predict enzyme class showed that our method outperforms the existing methods.
650 $aBioinformatics
650 $aProtein structure
653 $aBayesian classification
653 $aBayesian classifier
653 $aBioinformática
653 $aClasse de enzima
653 $aData classification
653 $aEnzyme classification number
653 $aEstrutura de proteína
653 $aNaive Bayes
653 $aProtein function prediction
700 1 $aOLIVEIRA, S. R. M.
700 1 $aYAMAGISHI, M. E. B.
700 1 $aMANCINI, A. L.
700 1 $aJARDINE, J. G.
700 1 $aMAZONI, I.
700 1 $aSANTOS, E. H. dos
700 1 $aHIGA, R. H.
700 1 $aKUSER, P. R.
700 1 $aNESHICH, G.
773 $tGenetics and Molecular Research$gv. 5, n. 1, p. 193-202, 2006.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Leite. |
|
Data corrente: |
21/12/2018 |
|
Data da última atualização: |
10/04/2024 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
SIAS, G. R. F. V.; OLIVEIRA, N. A. de; MENDONÇA, J. F. M. de; PENNA, A. C. G.; SOUZA, G. N. de. |
|
Afiliação: |
Gabriel Raposo Frauches Vieira Sias, UFJF; Naiara Aparecida de Oliveira, UFJF; Juliana França Monteiro de Mendonça, UFF; Anna Carolina Gonçalves Penna, Universidade Presidente Antônio Carlos/Juiz de Fora; GUILHERME NUNES DE SOUZA, CNPGL. |
|
Título: |
Classificação de rebanhos bovinos leiteiros baseada na sensibilidade e especificidade da contagem de células somáticas para presença de Streptococcus agalactiae utilizando a curva ROC. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Acta Scientiae Veterinariae, v. 46, s52, 2018. Supl. 2. |
|
Idioma: |
Português |
|
Notas: |
Edição dos resumos do Encontro Nacional de Epidemiologia Veterinária, Porto Alegre, 2018. |
|
Palavras-Chave: |
Curva ROC; Desempenho satisfatório; Sensibilidade. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1102401/1/Classificacao-de-rebanhos-bovinos.pdf
|
|
Marc: |
LEADER 00807nam a2200193 a 4500
001 2102401
005 2024-04-10
008 2018 bl uuuu u00u1 u #d
100 1 $aSIAS, G. R. F. V.
245 $aClassificação de rebanhos bovinos leiteiros baseada na sensibilidade e especificidade da contagem de células somáticas para presença de Streptococcus agalactiae utilizando a curva ROC.$h[electronic resource]
260 $aActa Scientiae Veterinariae, v. 46, s52, 2018. Supl. 2.$c2018
500 $aEdição dos resumos do Encontro Nacional de Epidemiologia Veterinária, Porto Alegre, 2018.
653 $aCurva ROC
653 $aDesempenho satisfatório
653 $aSensibilidade
700 1 $aOLIVEIRA, N. A. de
700 1 $aMENDONÇA, J. F. M. de
700 1 $aPENNA, A. C. G.
700 1 $aSOUZA, G. N. de
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Leite (CNPGL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
