基于選擇性集成學習的膜蛋白識別方法研究.pdf

1、廈門大學學位論文原創(chuàng)性聲明聲明人(簽名!：巧旭氓如l弓年歹月砷日＼摘要自人類步入后基因組時代，蛋白質組學作為基因組學的下一個重要階段受到越來越多學者的關注。其中，蛋白質識別和結構預測是蛋白質組學研究的基礎環(huán)節(jié)。目前，生物信息學家開展膜蛋白質識別主要以機器學習分類方法為主，而特征提取和分類算法是其中關鍵步驟，本文圍繞這兩點進行了深入地研究。本文主要研究內容包括：(1)引入了三種膜蛋白的特征及其提取方法。本文先后引入了指代蛋白質同源信息的2

2、0維特征；指代氨基酸組成成分物理化學性質的188維特征；指代蛋白質同源信息結合氨基酸在序列中順序信息的1000維特征。實驗結果表明，20維特征具有最高的分類準確率，188維特征具有最快的提取速度，然而1000維特征卻沒有獲得比20維更佳的理論結果。(2)提出了基于最小錯分樣本交集的選擇性集成學習法。本文提出利用最小錯分樣本交集大小來衡量基分類器間的差異度，從而幫助篩選基分類器。實驗結果表明，本文集成分類器在膜蛋白預測上二分類和八分類的準