ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 20/6 - 2006  - pp.673-696  - doi:10.3166/ria.20.673-696
TITLE
Asymmetrical Semi-Supervised Learning and Prediction of Disulfide Connectivity in Proteins

RÉSUMÉ
Cet article présente une étude en apprentissage automatique semi-supervisé asymétrique, où seules des données positives et non étiquetées sont disponibles, ainsi qu'une application à un problème bio-informatique. Nous montrons que sous des hypothèses faibles, le classifieur naïf de Bayes peut être identifié à partir de données positives et non étiquetées. Nous en déduisons des algorithmes que nous étudions sur des données artificielles. Enfin, nous présentons une application de ces travaux au problème de l'extraction d'affinités locales dans les protéines pour la prédiction des ponts disulfures. Les résultats permettent d'étayer une hypothèse sur la manière de formaliser les données biologiques pour des cas d'interactions physiques locales.


ABSTRACT
This paper presents a study in the asymmetrical semi-supervised learning framework, where only positive and unlabeled data are available, and an application to a bio-data processing problem. We show that under very mild assumptions, the Naive Bayes classifier can be identified from positive and unlabeled data. From this study, we derive algorithms that we experiment on artificial data. Lastly, we present an application of this work to the problem of the extraction of local affinities in proteins for the prediction of disulfide connectivity.


AUTEUR(S)
Christophe N. MAGNAN

MOTS-CLÉS
apprentissage semi-supervisé, algorithme naïf de Bayes, EM, ponts disulfures.

KEYWORDS
Semi-supervised learning, Naive Bayes classifier, EM, Disulfide bridges

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (177 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier