基于多特征融合和集成的蛋白質(zhì)相互作用預(yù)測.pdf

1、目前蛋白質(zhì)序列的數(shù)量急劇增加，而每年已知結(jié)構(gòu)的蛋白質(zhì)數(shù)量卻增長緩慢，因此迫切的需要開發(fā)快速、準(zhǔn)確地計算工具來預(yù)測蛋白質(zhì)的相互作用。本論文圍繞蛋白質(zhì)相互作用預(yù)測的幾個重要方面:蛋白質(zhì)特征提取方法，機(jī)器學(xué)習(xí)算法以及集成學(xué)習(xí)算法展開研究，目的是要得到一種能夠快速、有效蛋白質(zhì)相互作用進(jìn)行預(yù)測的方法。
　　蛋白質(zhì)相互作用預(yù)測問題，本質(zhì)上是一個模式識別問題。我們進(jìn)行的研究是蛋白質(zhì)氨基酸序列是唯一決定蛋白質(zhì)相互作用的因素，并且對于相同類別的蛋白

2、質(zhì)，其氨基酸序列存在某種內(nèi)在的規(guī)律性，這種內(nèi)在規(guī)律用數(shù)學(xué)公式來表達(dá)是十分困難的。用機(jī)器學(xué)習(xí)的方法來進(jìn)行蛋白質(zhì)相互作用預(yù)測，是一個有監(jiān)督學(xué)習(xí)過程，通過已知類別的蛋白質(zhì)序列樣本來訓(xùn)練神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)模型，讓其學(xué)習(xí)到蛋白質(zhì)序列內(nèi)部的規(guī)律，從而使其在遇到未知類別的蛋白質(zhì)時可以做出科學(xué)合理的判斷。
　　和其他模式識別問題一樣，氨基酸序列特征提取是用機(jī)器學(xué)習(xí)算法進(jìn)行蛋白質(zhì)相互作用預(yù)測的首要工作。特征提取就是將用字

3、母表示的氨基酸序列轉(zhuǎn)變成具有固定維數(shù)的數(shù)據(jù)向量。進(jìn)行蛋白質(zhì)相互作用預(yù)測中首要步驟是進(jìn)行氨基酸特征提取，特征提取方法是否得當(dāng)對于模型的預(yù)測精度有至關(guān)重要的影響。蛋白質(zhì)特征提取方法有很多，主要是針對蛋白質(zhì)的氨基酸序列的有氨基酸組成模型、二肽模型、多肽模型、偽氨基酸組成(PseAA)、針對性質(zhì)的有理化性質(zhì)模型(PCC)和重現(xiàn)量化分析(RQA)等。本文通過best-first特征篩選策略得到了一種新的特征組合:理化組成模型和重現(xiàn)量化分析，并且對

4、其進(jìn)行了特征融合。
　　常用的二分類器方法有K近鄰方法(KNN)、貝葉斯網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、柔性神經(jīng)樹(FNT)等。但蛋白質(zhì)相互作用的預(yù)測是典型的分類問題，用上面提到的幾種分類器進(jìn)行簡單的分類，預(yù)測結(jié)果并不理想。因此，處理多這個分類問題需要在特征上下功夫。本文在進(jìn)行Human數(shù)據(jù)集的蛋白質(zhì)相互作用預(yù)測時，分類器采用了人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)系數(shù)的優(yōu)化算法采用了粒子群優(yōu)化算法(PSO)，通過這樣的組合取得了較好的預(yù)測效果。