Parameter a is a harmonic coefficie

Parameter a is a harmonic coefficient in integrating dynamic local average connectivity and complex centrality. Table 4 shows the effect of parameter a on the performance of CDLC algorithms, where k is the number of top ranked proteins. CDLC can predict the highest number of true essential proteins with a= 0.1. This observation suggests that the complex component is an excellent property for predicting essential proteins while the LAC component only has a little effect. This finding can be attributed to the fact that essentiality is a product of protein complexes rather
than the individual protein, and protein complexes have a high collection of essential proteins (Hart et al., 2007). Nevertheless, comparing the result of CDLC with a= 0 and that with a= 0.1, we find that a better result can be achieved by the latter value of a. In addition, the protein complexes of some species are less completed than yeast. Therefore, deleting the LAC component may significantly reduce prediction precision. Thus, the LAC component is indispensable although it only has a little effect on the results for yeast data set.

ผลลัพธ์ (ไทย) 1:

พารามิเตอร์มีสัมประสิทธิ์มีค่าในการรวมเชื่อมต่อเฉลี่ยภายในแบบไดนามิกและเอกภาพที่ซับซ้อน ตาราง 4 แสดงผลของพารามิเตอร์ที่เกี่ยวกับประสิทธิภาพของ CDLC อัลกอริทึม โดยที่ k คือ จำนวนของโปรตีนการจัดอันดับด้านบน CDLC สามารถทำนายจำนวนสูงสุดของโปรตีนจำเป็นอย่างแท้จริงด้วยการ = 0.1 ได้ สังเกตนี้แนะนำว่า ส่วนประกอบซับซ้อนแห่งสำหรับคาดการณ์โปรตีนจำเป็นในขณะที่ส่วนประกอบลัคมีผลเพียงเล็กน้อยเท่านั้น ค้นหานี้สามารถเกิดจาก essentiality ที่เป็นผลิตภัณฑ์ของโปรตีนคอมเพล็กซ์แต่ในความเป็นจริงโปรตีนแต่ละ และโปรตีนคอมเพล็กซ์มีคอลเลกชันสูงของโปรตีนสำคัญ (ฮาร์ท et al., 2007) อย่างไรก็ตาม เปรียบเทียบผลของ CDLC กับ = 0 และที่มีเป็น = 0.1 เราพบว่า ผลลัพธ์ที่ดีขึ้นสามารถทำได้ โดยหลังค่าของ นอกจากนี้ คอมเพล็กซ์โปรตีนบางชนิดมีน้อยกว่าสมบูรณ์กว่ายีสต์ ดังนั้น การลบคอมโพเนนต์ลัคอาจลดความแม่นยำในการทำนาย ดังนั้น ส่วนประกอบลัคเป็นสำคัญแม้ว่าจะมีเพียงเล็กน้อยผลผลลัพธ์สำหรับชุดข้อมูลของยีสต์

ผลลัพธ์ (ไทย) 2:

พารามิเตอร์คือค่าสัมประสิทธิ์การประสานในการบูรณาการการเชื่อมต่อแบบไดนามิกเฉลี่ยท้องถิ่นและศูนย์กลางที่ซับซ้อน ตารางที่ 4 แสดงให้เห็นถึงผลกระทบของพารามิเตอร์ในการปฏิบัติงานของอัลกอริทึม CDLC ที่ k คือจำนวนของโปรตีนที่ติดอันดับ CDLC สามารถคาดการณ์จำนวนมากที่สุดของโปรตีนที่จำเป็นจริงกับ = 0.1 ข้อสังเกตนี้แสดงให้เห็นว่าองค์ประกอบที่ซับซ้อนเป็นสถานที่ให้บริการที่ดีเยี่ยมสำหรับการทำนายโปรตีนที่สำคัญในขณะที่องค์ประกอบ LAC มีผลเพียงเล็กน้อยเท่านั้น การค้นพบนี้สามารถนำมาประกอบกับความจริงที่ว่าจำเป็นเป็นผลิตภัณฑ์ของโปรตีนคอมเพล็กซ์ค่อนข้าง
กว่าโปรตีนจากบุคคลและโปรตีนคอมเพล็กซ์มีการเก็บสูงของโปรตีนที่จำเป็น (ฮาร์ท et al., 2007) อย่างไรก็ตามเมื่อเปรียบเทียบผลจากการ CDLC กับ = 0 และมี = 0.1 เราจะพบว่าผลที่ดีขึ้นสามารถทำได้โดยค่าหลังของ นอกจากนี้โปรตีนบางชนิดจะเสร็จสมบูรณ์น้อยกว่ายีสต์ ดังนั้นการลบองค์ประกอบ LAC อย่างมีนัยสำคัญอาจลดความแม่นยำการทำนาย ดังนั้นองค์ประกอบ LAC ที่ขาดไม่ได้แม้ว่ามันจะมีผลกระทบต่อผลสำหรับข้อมูลชุดยีสต์เท่านั้น

ผลลัพธ์ (ไทย) 3:

พารามิเตอร์เป็นค่าฮาร์มอนิก ในการบูรณาการแบบไดนามิกการเชื่อมต่อท้องถิ่นเฉลี่ยและศูนย์กลางที่ซับซ้อน ตารางที่ 4 แสดงผลของพารามิเตอร์ต่อสมรรถนะของอัลกอริทึม cdlc ที่ k คือจำนวนอันดับสุดยอดโปรตีน cdlc สามารถทำนายจำนวนสูงสุดของจริงที่จำเป็นกับโปรตีน = 0.1การสำรวจครั้งนี้ แสดงให้เห็นว่าองค์ประกอบที่ซับซ้อน เป็นคุณสมบัติที่ดีเยี่ยมสำหรับการทำนายโปรตีนจำเป็นในขณะที่ครั่ง ส่วนประกอบ มีเพียงผลกระทบเล็กน้อย การค้นหานี้สามารถนำมาประกอบกับความจริงที่ว่า essentiality เป็นผลิตภัณฑ์โปรตีนเชิงซ้อนค่อนข้าง
กว่าโปรตีนแต่ละบุคคลและ complexes โปรตีนมีคอลเลกชันสูงของโปรตีนที่จำเป็น ( ฮาร์ท et al . , 2007 ) อย่างไรก็ตามการเปรียบเทียบผลของ cdlc ด้วย = 0 = 0.1 ด้วย เราพบว่า ผลที่ดีกว่าสามารถทำได้โดยหลังค่าของ นอกจากนี้ โปรตีนเชิงซ้อนบางชนิดไม่สมบูรณ์มากกว่ายีสต์ ดังนั้น การลบครั่งประกอบอาจลดความแม่นยำการทำนาย . ดังนั้นครั่งเป็นองค์ประกอบที่ขาดไม่ได้ถึงแม้ว่ามันจะมีเพียงผลกระทบเล็กน้อยในผลสำหรับชุดข้อมูลยีสต์