基于小波變換和集成學(xué)習(xí)的蛋白質(zhì)相互作用預(yù)測方法研究.pdf

1、蛋白質(zhì)在生命體的日?；顒又邪缪葜顬殛P(guān)鍵的角色，大多數(shù)細胞正常生理功能最終需要由產(chǎn)生與結(jié)合的蛋白質(zhì)代為實現(xiàn)，蛋白質(zhì)通過兩兩間、或多蛋白間相互結(jié)合實現(xiàn)蛋白之間的功能。一直以來傳統(tǒng)的研究蛋白質(zhì)結(jié)合的實驗方案已經(jīng)積累了相當?shù)母黝惖鞍踪|(zhì)相關(guān)信息與相互作用信息，但是這些方法大多存在局限性，尤其是檢驗速度無法滿足進一步研究的要求。近年來研究人員利用機器學(xué)習(xí)工具結(jié)合蛋白質(zhì)特征編碼算法對蛋白質(zhì)相互結(jié)合網(wǎng)絡(luò)進行預(yù)測，不斷提出了提高預(yù)測精度的方法，然而經(jīng)過

2、實驗，我們發(fā)現(xiàn)多數(shù)預(yù)測方法在更嚴格的數(shù)據(jù)集面前效果并不理想。
　　本研究使用幽門螺桿菌、酵母菌和擬南芥的蛋白質(zhì)數(shù)據(jù)庫，結(jié)合小波變換對蛋白質(zhì)序列信息提取的編碼算法，研究利用多種機器學(xué)習(xí)方式預(yù)測同物種中的蛋白質(zhì)相互作用及遷移學(xué)習(xí)下不同物種中蛋白質(zhì)相互作用。使用Database of Interact Protein(DIP)蛋白數(shù)據(jù)庫的幽門螺桿菌、酵母菌和擬南芥的蛋白質(zhì)相互作用正負數(shù)據(jù)集，然后用小波變換的方法轉(zhuǎn)化了蛋白質(zhì)一級結(jié)構(gòu)從而對

3、數(shù)據(jù)集中的蛋白質(zhì)作用對進行編碼，使用stacked generalization結(jié)合四種廣泛使用的基分類器以及l(fā)ogistic regression算法綜合輸出了對幽門螺桿菌、酵母菌以及人類的蛋白質(zhì)相互作用預(yù)測，最后對預(yù)測結(jié)果進行了分析。實驗結(jié)果顯示新的集合算法體現(xiàn)出了良好的預(yù)測性能，并在不同數(shù)據(jù)集上工作穩(wěn)定，是值得進一步發(fā)展運用的良好算法。將新算法與學(xué)界廣泛認可的Tradaboost算法，在自制的蛋白遷移數(shù)據(jù)庫上進行測試。從測試結(jié)果上