-
基于NearMiss-2策略，Malsite-Deep运用深度学习及多信息融合技术预测蛋白质丙二酸化位点
资源介绍
## Malsite-Deep
Malsite-Deep：基于NearMiss-2策略的深度学习和多信息融合预测蛋白质丙二酸化位点
### Malsite-Deep使用以下依赖项：
Python 3.6
麻木
科学的
scikit学习
大熊猫
TensorFlow
凯拉斯
###指导原则：**数据集文件包含五类数据集，其中包含训练数据集和独立测试数据集。
**特征提取：
PseAAC.py是PseAAC的实现。
exchange_matrix.m和be_extract_feature是BE的实现。
Bi_profile_bayes.m是BPB的实现。
DPC.py是实施DC的实现。
EBGW_DATA.m和EBGW.m是EBGW的实现。
BLOSUM62.py是BLOSUM62的实现。
EAAC.py是EAAC的实现。
PWAA_Y1.m是PWAA的实现。
**
- 上一篇: 基于Simulink的匹配滤波器设计
- 下一篇: simulink有源电力滤波器模型