基于機器學習的多定位點蛋白質(zhì)亞細胞定位預測方法研究.pdf

1、蛋白質(zhì)的亞細胞定位信息對于推斷蛋白質(zhì)功能、了解細胞的生命活動、藥物發(fā)現(xiàn)、以及疾病診斷等方面的研究具有重要的作用。近十年間蛋白質(zhì)序列數(shù)量迅速增長，基于智能計算的蛋白質(zhì)亞細胞定位預測方法已成為系統(tǒng)生物學和生物信息學等領域的一個研究熱點。本論文應用機器學習方法對多定位點蛋白質(zhì)亞細胞定位預測中的相關問題進行了研究，主要包括:
　　1.提出了一種具有不平衡權(quán)重的多標簽K近鄰預測算法，以解決蛋白質(zhì)數(shù)據(jù)分布不平衡的問題。該算法利用近鄰點的統(tǒng)計信

2、息估計待測樣本關于亞細胞位置的后驗概率，并根據(jù)訓練集中各類樣本的分布情況給出相應的不平衡權(quán)重，最后基于最大后驗概率準則和不平衡權(quán)重來設計決策函數(shù)。在多個分布不平衡的蛋白質(zhì)數(shù)據(jù)集上的數(shù)值實驗結(jié)果表明，與兩種主要的多定位點蛋白質(zhì)預測算法Cell-mPLoc2.0和iLoc-Cell相比，該算法具有更好的預測精度，能夠有效降低數(shù)據(jù)不平衡情況的負面影響。
　　2.提出了一種基于非實驗標注蛋白質(zhì)信息挖掘的訓練集構(gòu)造方法，以解決蛋白質(zhì)訓練樣本

3、不足的問題。該方法引入非實驗標注蛋白質(zhì)，利用主動學習策略對這類數(shù)據(jù)進行評估，挑選出最有價值樣本加入到原訓練集中以構(gòu)造出更具信息量的新訓練集。多組數(shù)據(jù)集上的實驗表明，INKNN、支持向量機、高斯過程和ML-RBF四種基礎分類器的性能均能夠得到提升，訓練數(shù)據(jù)不足的情況得到了有效的改善。
　　3.提出了一種基于蛋白質(zhì)預鑒別的綜合預測方法，以解決一個分類器同時預測單定位點蛋白質(zhì)和多定位點蛋白質(zhì)精度不高的問題。該方法基于直推學習技術(shù)對待測蛋