基于機器學習的多定位點蛋白質亞細胞定位預測方法研究.pdf

1、蛋白質的亞細胞定位信息對于推斷蛋白質功能、了解細胞的生命活動、藥物發(fā)現、以及疾病診斷等方面的研究具有重要的作用。近十年間蛋白質序列數量迅速增長，基于智能計算的蛋白質亞細胞定位預測方法已成為系統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重的多標簽K近鄰預測算法，以解決蛋白質數據分布不平衡的問題。該算法利用近鄰點的統計信

2、息估計待測樣本關于亞細胞位置的后驗概率，并根據訓練集中各類樣本的分布情況給出相應的不平衡權重，最后基于最大后驗概率準則和不平衡權重來設計決策函數。在多個分布不平衡的蛋白質數據集上的數值實驗結果表明，與兩種主要的多定位點蛋白質預測算法Cell-mPLoc2.0和iLoc-Cell相比，該算法具有更好的預測精度，能夠有效降低數據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信息挖掘的訓練集構造方法，以解決蛋白質訓練樣本

3、不足的問題。該方法引入非實驗標注蛋白質，利用主動學習策略對這類數據進行評估，挑選出最有價值樣本加入到原訓練集中以構造出更具信息量的新訓練集。多組數據集上的實驗表明，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，訓練數據不足的情況得到了有效的改善。
　　3.提出了一種基于蛋白質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和多定位點蛋白質精度不高的問題。該方法基于直推學習技術對待測蛋