CAPRI- Content-based Analysis of Protein Structure for Retrieval and Indexing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In molecular biology, current research suggests that the function of a protein may be inferred from its structure. Two proteins with similar local parts (or active sites) and shape are often closely related. This observation is of importance when determining the adverse effects of new medicine, identifying new protein architectures, predicting protein interactions such as the docking-problem (where the so-called receptor connects to the ligand) and explaining unexpected evolutions. Due to the vast amounts of newly discovered protein structures, there is an urgent need for multimedia data mining systems which can efficiently find similar proteins structures, based on both shape and physical properties. In this paper, we describe the Content-based Analysis of Protein Structure for Retrieval and Indexing (CAPRI) data mining system, which is used to explore very large multimedia databases containing numerous protein structure families. CAPRI is able to find similar proteins based on their structure, by utilizing firstly, the 2D colours, textures and composition and secondly, the 3D structure of the proteins. Our results against more than 26,000 protein structures as contained in the Protein Data Bank shows that our system is able to accurately and efficiently locate related protein structures. Through the use of the CAPRI system, domain experts are able to find these similar protein structures, using a “query by prototype ” example. In this way, they are aided in the task of labelling new structures effectively, finding the families of existing proteins, identifying mutations and explaining unexpected evolutions. 1.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle