使用K緊鄰算法及其多種改進(jìn)算法對(duì)抗凋亡蛋白和促凋亡蛋白的分類(lèi)研究.pdf

1、蛋白質(zhì)是機(jī)體組織和器官的重要組成成分，在生命活動(dòng)過(guò)程中有著復(fù)雜而精細(xì)的生物學(xué)功能;細(xì)胞內(nèi)幾乎所有的化學(xué)反應(yīng)均由蛋白質(zhì)負(fù)責(zé)催化;機(jī)體生命活動(dòng)之所以能夠井然有序的進(jìn)行，很重要的原因是由于蛋白質(zhì)的參與。蛋白質(zhì)在不同的細(xì)胞中行使的功能也大不相同。其中有一種蛋白質(zhì)因其功能的特殊而被大量研究——凋亡蛋白。凋亡蛋白根據(jù)其功能的不同又可細(xì)分為:抗凋亡蛋白和促凋亡蛋白。
　　本文利用2013年構(gòu)建的抗凋亡蛋白和促凋亡蛋白數(shù)據(jù)集先對(duì)已有的和改進(jìn)的算法

2、進(jìn)行性能評(píng)估，然后再對(duì)多種算法的分類(lèi)結(jié)果進(jìn)行分析。算法的評(píng)估和結(jié)果的分析中我們主要提取了以下幾種特征信息;氨基酸組分信息、組分分段信息、基因本體信息、保守位點(diǎn)進(jìn)化信息等。對(duì)于高維特征空間我們提出了融合支持向量機(jī)（SVM）和Shannon信息的降維方法。在算法的評(píng)估過(guò)程中我們將目前公認(rèn)性能穩(wěn)定的支持向量機(jī)算法(SVM)作為參考，將其預(yù)測(cè)性能調(diào)整到最優(yōu)狀態(tài)，然后將此狀態(tài)下的特征空間輸入到本文采用的(K-緊鄰(KNN)，離散增量(ID)，融合