基于跨膜蛋白片段預測的規(guī)則生成技術研究.pdf

1、跨膜蛋白在離子通道型受體等生物系統(tǒng)中有著重要的作用，是藥物設計的關鍵目標。通過物理實驗來獲取它的結構難度很大，使用計算的方法成為當前非常流行和有效的方法。目前，跨膜蛋白片段預測已經取得了很多的進展和成果，有許多方法和模型被開發(fā)，在精度上獲得了不斷地提高。但是當前的方法基本都屬于黑盒模型，不能解釋學習的過程和結果是如何達成的。決策的可解釋性是在生物信息學中衡量機器學習算法性能的一個重要標準，它不僅可以被用來對生物濕實驗提供指導，而且有助于

2、集成計算智能到符號智能系統(tǒng)中，用于高級的推理應用。目前針對跨膜蛋白片段的預測可理解性，已經提出了一些解決方案，然而這些技術還存在不同方面的不足。比如使用支持向量機結合決策樹的算法，能成功提取出可理解的規(guī)則集，但規(guī)則集的數(shù)量很大，不便于閱讀；而且規(guī)則形式是IF-THEN的命題規(guī)則，對復雜生物序列的背景特征信息表達能力不足。一個好的可理解性規(guī)則應當具有：(1)可讀性。規(guī)則集在比較準確地表達預測條件下，有比較適中的規(guī)則數(shù)量。(2)簡單性。規(guī)則

3、形式應當比較容易表達復雜條件，單條規(guī)則不能過長和過于復雜。(3)一致性。規(guī)則所表達的知識應該符合生物學規(guī)則。(4)準確性。能夠在提供好的可理解性條件下保持較好的準確性，才能對實際問題有有效的指導意義。
　　 基于對以上問題的分析，本文提出一個基于隱馬爾科夫模型(HMM，Hidden MarkovModel)的組合規(guī)則生成法HMMFOIL。首先使用HMM對原始氨基酸序列進行預測過濾，剔除掉一些噪聲數(shù)據，因為HMM模型結構中跨膜段和

4、非跨膜段內相對交界處來說比較穩(wěn)定，所以這個模型主要過濾的是處于跨膜邊界不穩(wěn)定位點數(shù)據；其次，采用一階規(guī)則歸納學習器FOIL算法從HMM過濾后的樣本數(shù)據中提取一階規(guī)則集，F(xiàn)OIL生成的一階規(guī)則可以有正文字和負文字，所以能夠很好地簡單表達正負樣本信息。最后，使用分類器設計中的重采樣技術來增強規(guī)則集的分類性能，得到最終的規(guī)則集。該模型已在來自SWISS-PORT數(shù)據庫的165跨膜蛋白數(shù)據集上進行了驗證，與其他算法在本數(shù)據集上的實驗結果相比，本