Using nearst neighbors to categorize transporters

最近semiar要用英文報告期刊論文所選的文章，一開始想說只是用k-NN應該還挺簡單易懂，沒想到呈現報告的結果有一點災難。=__=;

這篇剛好是在美國的華人作的研究，由於只使用BLAST來分類的結果容易會產生過多的false positive，而用機器學習的方法則會因為訓練資料量太小而不準，只用motif search會無法掌握conserved區域；他使用的topological search方法並不能提供歸類到蛋白質家族的依據，於是綜合之前其他學者的研究成果，提出使用K-NN整合sequence homology search、motif search跟topological search來將運輸蛋白歸類到正確的蛋白質家族裡，最後並且用模式生物與非模式生物數種來驗證。

這篇結果看起來的話似乎還不錯，讓我比較有感覺的點應該是他的英文很有自己的風格，我覺得我看到很多重覆的句型，令我印象最深的就是一直在文章內重複First跟Secondly這樣的條列列舉整理論點吧。