Εξειδίκευση τύπου :	Ανακοίνωση σε συνέδριο
Τίτλος:	A machine-learning approach for the prediction of enzymatic activity of proteins in metagenomic samples
Δημιουργός/Συγγραφέας:	Koutsandreas T. Pilalis E. [EL] Χατζηιωάννου, Αριστοτέλης[EN] Chatziioannou, Aristotelis
Χορηγός :	IFIP Cyprus University of Technology Frederick University, Cyprus Royal Holloway, University of London Cyprus Tourism Organization
Ημερομηνία:	2013
Γλώσσα:	Αγγλικά
ISBN:	9783642411410
ISSN:	1868-4238
DOI:	10.1007/978-3-642-41142-7_9
Περίληψη:	In this work, a machine-learning approach was developed, which performs the prediction of the putative enzymatic function of unknown proteins, based on the PFAM protein domain database and the Enzyme Commission (EC) numbers that describe the enzymatic activities. The classifier was trained with well annotated protein datasets from the Uniprot database, in order to define the characteristic domains of each enzymatic sub-category in the class of Hydrolases. As a conclusion, the machine-learning procedure based on Hmmer3 scores against the PFAM database can accurately predict the enzymatic activity of unknown proteins as a part of metagenomic analysis workflows.
Όνομα εκδήλωσης:	9th IFIP WG 12.5 International Conference on Artificial Intelligence Applications and Innovations, AIAI 2013
Ημ/νία έναρξης εκδήλωσης :	2013-09-30
Ημ/νία λήξης εκδήλωσης :	2013-10-02
Τόπος εκδήλωσης:	Paphos
Τίτλος πηγής δημοσίευσης:	IFIP Advances in Information and Communication Technology
Τόμος/Κεφάλαιο:	412
Σελίδες:	81-87
Θεματική Κατηγορία:	[EL] Βιολογία (Γενικά)[EN] Biology (General) [EL] Τεχνολογία (Γενικά)[EN] Technology (General)
Λέξεις-Κλειδιά:	Enzymes Machine-learning Metagenomics Proteins
Αξιολόγηση από ομότιμους (peer reviewed):	Ναι
Κάτοχος πνευματικών δικαιωμάτων:	© IFIP International Federation for Information Processing 2013.
Όροι και προϋποθέσεις δικαιωμάτων:	All Open Access, Bronze, Green
Εμφανίζεται στις συλλογές:	Ινστιτούτο Χημικής Βιολογίας - Επιστημονικό έργο