基于圖像的蛋白質亞細胞定位.pdf

1、蛋白質只有在正確的亞細胞結構下才能正常參與細胞中的各項生命活動。同一種蛋白質隨著所在細胞器的不同，功能會發(fā)生相應變化。確定蛋白質所處細胞器位置即蛋白質亞細胞定位對于判定蛋白質功能具有重要意義。應用實驗方法進行蛋白質亞細胞定位研究費時、費力、成本高?；谝延械膶嶒灁?shù)據(jù)應用計算方法預測蛋白質所處細胞器是解決上述問題的關鍵。但傳統(tǒng)的基于蛋白質氨基酸序列的亞細胞定位方法很難檢測到蛋白質功能發(fā)生變化的部位，而利用圖像中的視覺信息則可以克服傳統(tǒng)方法

2、的不足。近年來，基于圖像的蛋白質亞細胞定位方法成為生物圖像信息學研究的熱點之一。
　　鑒于局部二值模式（LBP）已在人臉識別等領域獲得了較好的識別性能，并開始應用于蛋白質亞細胞定位研究。因此，本研究擬利用RandTag蛋白質圖像數(shù)據(jù)集，從LBP算法的不同變體中選擇局部三值模式（LTP）、噪聲容忍局部二值模式（NTLBP）、局部相位量化（LPQ）和局部配置模式（LCP）作為圖像特征提取方法，應用SVM分類方法預測蛋白質所處的細胞器，

3、根據(jù)分類性能從中篩選高效的蛋白質圖像的特征提取方法。除此之外，應用基于夏普利值的自下而上特征選擇方法篩選與蛋白質亞細胞定位相關的特征子集，用樸素貝葉斯方法進行分類。本研究提出的LCP結合SVM（LCP-SVM）得到最大分類精度；使用基于夏普利值的自下而上特征選擇，LCP得到的特征子集最具代表性，結合樸素貝葉斯方法也能獲得較好的預測性能，同時其運行所需時間比LCP-SVM少。實驗結果表明：LCP特征提取算法是最優(yōu)的圖像特征提取方法。所結合