基于多標(biāo)記學(xué)習(xí)的蛋白質(zhì)亞細(xì)胞定位預(yù)測.pdf

1、蛋白質(zhì)是基因功能的主要執(zhí)行者，對蛋白質(zhì)功能進(jìn)行研究是基因組學(xué)研究領(lǐng)域的重中之重。然而，每種亞細(xì)胞為蛋白質(zhì)行使特定功能提供了場所，蛋白質(zhì)只有轉(zhuǎn)運(yùn)到其相應(yīng)的的亞細(xì)胞中，才能正確的發(fā)揮作用，支持生命活動健康有序的進(jìn)行，否則，將會造成機(jī)體功能紊亂，甚至威脅到生命健康。因此，對蛋白質(zhì)所處的亞細(xì)胞位點(diǎn)進(jìn)行研究預(yù)測是研究蛋白質(zhì)功能的基礎(chǔ)，同時(shí)也為研究某些疾病的發(fā)病機(jī)理以及研制針對疾病的新藥物提供了研究理論基礎(chǔ)。
　　生物信息學(xué)和基因組學(xué)的快速發(fā)

2、展，使實(shí)驗(yàn)所得數(shù)據(jù)庫中蛋白質(zhì)數(shù)據(jù)以幾何方式倍增，研究由原來運(yùn)用傳統(tǒng)方式逐漸開始改用生物信息學(xué)的手段進(jìn)行處理海量數(shù)據(jù)。而且，由于很多實(shí)驗(yàn)數(shù)據(jù)表明30％以上的蛋白質(zhì)可以同時(shí)位于多個(gè)亞細(xì)胞位置或者在多個(gè)亞細(xì)胞間游走，研究也由對蛋白質(zhì)亞細(xì)胞進(jìn)行單位點(diǎn)預(yù)測轉(zhuǎn)變?yōu)槎辔稽c(diǎn)預(yù)測。因此，運(yùn)用生物信息學(xué)的手段進(jìn)行多位點(diǎn)蛋白質(zhì)亞細(xì)胞定位預(yù)測是目前研究的熱門方向。
　　采用生物信息學(xué)的方法進(jìn)行多位點(diǎn)蛋白質(zhì)亞細(xì)胞定位預(yù)測通常分為四步：一是構(gòu)建有效的多位點(diǎn)蛋

3、白質(zhì)數(shù)據(jù)集；二是對構(gòu)建的數(shù)據(jù)集進(jìn)行全面有效的特征提??；三是分類器的選取，由于多位點(diǎn)蛋白質(zhì)亞細(xì)胞定位預(yù)測是一個(gè)典型的多標(biāo)記學(xué)習(xí)問題，因此選用合適的多標(biāo)簽分類算法是研究預(yù)測的關(guān)鍵一步；四是對預(yù)測算法的評估，通過預(yù)測結(jié)果評估分類算法的好壞。
　　多位點(diǎn)蛋白質(zhì)亞細(xì)胞定位預(yù)測的關(guān)鍵步驟是對數(shù)據(jù)集的特征提取和分類算法的選擇。其中特征提取方法很多，包括基于序列信息的和基于注釋信息的特征提取方法。本文在對數(shù)據(jù)集進(jìn)行特征提取時(shí)，采用了基于序列信息的

4、多種特征提取方法，有氨基酸組成模型，偽氨基酸組成模型，氨基酸理化性質(zhì)組成模型，熵密度，自相關(guān)系數(shù)編碼，位置向量組成模型。由于每種特征提取方法都有其局限性，因此本文將多種特征提取方法進(jìn)行了融合并做以比較，以提取出更全面有效的特征。
　　該問題是典型的多標(biāo)簽分類問題，隨著該問題的出現(xiàn)也涌現(xiàn)出了很多多標(biāo)簽分類算法，常用的有多標(biāo)簽k近鄰算法（ML-kNN）、反向傳播神經(jīng)網(wǎng)絡(luò)多標(biāo)簽算法（BP-MLL）、多標(biāo)簽支持向量機(jī)算法（Rank-SVM