KrW算法 是蛋白質(zhì)多位置預(yù)測領(lǐng)域的最新算法，與該算法進(jìn)行比較可W顯示出本專利方法的優(yōu)勢。 評價指標(biāo)采用蛋白質(zhì)多位置預(yù)測領(lǐng)域常用的111^0：、1111?1?6、11111^：、111巧1和40：。在表2中，我 們很容易發(fā)現(xiàn)，本專利方法要明顯優(yōu)于AL-謂N算法，其中，對于最嚴(yán)格的總精度AC巧旨標(biāo)，本 專利方法達(dá)到了近似56 %的精度，比AL-K順?biāo)惴ㄌ岣吡私?2個百分點。
[009引表2本專利方法與AkK順?biāo)惴ǖ男阅鼙容^
[0099]
[0100] 為了進(jìn)一步顯示本專利方法對同時位于多個亞葉綠體位置的蛋白質(zhì)的預(yù)測效果， 表3給出了本專利方法與AkK順?biāo)惴▽碛胁煌瑪?shù)量亞葉綠體位置的蛋白質(zhì)的預(yù)測性能。 從表3可W看出，本專利方法明顯優(yōu)于AL-KrW算法。具體地，對于有兩個亞葉綠體位置的蛋 白質(zhì)來說，本專利方法完全正確預(yù)測了將近半數(shù)的蛋白質(zhì)，而AkK順?biāo)惴ㄟB1個蛋白質(zhì)也沒 有預(yù)測正確。運(yùn)表明，在蛋白質(zhì)亞葉綠體多位置預(yù)測任務(wù)中，本專利方法具有比AkK順?biāo)惴?更強(qiáng)大的能力。
[0101] 表3本專利方法與AL-K順?biāo)惴▽碛胁煌瑪?shù)量亞葉綠體位置的蛋白質(zhì)的預(yù)測性能 比較
[0102]
[0103] W上所述僅為本發(fā)明的較佳實施例而已，并不用W限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種蛋白質(zhì)亞葉綠體多位置預(yù)測方法，其特征在于，包括以下步驟： 步驟1、對于待預(yù)測的蛋白質(zhì)序列和訓(xùn)練數(shù)據(jù)集，基于蛋白質(zhì)的氨基酸序列信息，采用 偽氨基酸組成方法，抽取出待預(yù)測的蛋白質(zhì)序列和訓(xùn)練數(shù)據(jù)集中所有蛋白質(zhì)序列的特征向 量，從而構(gòu)成待預(yù)測樣本集和訓(xùn)練樣本集； 步驟2、基于步驟1所構(gòu)建的原始訓(xùn)練樣本集，分別為每個亞葉綠體位置構(gòu)建新的訓(xùn)練 樣本集;在每個亞葉綠體位置所對應(yīng)的新訓(xùn)練樣本集中，把屬于亞葉綠體位置的蛋白質(zhì)標(biāo) 記為正樣本，不屬于亞葉綠體位置的蛋白質(zhì)標(biāo)記為負(fù)樣本； 步驟3、基于步驟2所構(gòu)建的針對每個亞葉綠體位置的新訓(xùn)練樣本集，分別訓(xùn)練一個支 持向量機(jī)預(yù)測器； 步驟4、對于步驟2構(gòu)建的每個亞葉綠體位置所對應(yīng)的新訓(xùn)練樣本集的每個蛋白質(zhì)樣 本，除了新訓(xùn)練樣本集所對應(yīng)的亞葉綠體位置以外，把其他亞葉綠體位置對于該蛋白質(zhì)樣 本的歸屬值追加到蛋白質(zhì)樣本的特征向量中，蛋白質(zhì)樣本屬于某亞葉綠體位置，歸屬值設(shè) 為1，否則設(shè)為-1，以擴(kuò)展蛋白質(zhì)樣本的特征空間，基于上述規(guī)則，分別更新每個亞葉綠體位 置構(gòu)建的訓(xùn)練樣本集； 步驟5、對于步驟4擴(kuò)展特征空間后的每個訓(xùn)練樣本集，使用遺傳算法進(jìn)行特征子集的 選擇，同時選取出與訓(xùn)練樣本集對應(yīng)的亞葉綠體位置最相關(guān)的氨基酸組成特征和其他亞葉 綠體位置特征，去除無關(guān)和冗余的氨基酸組成特征和其他亞葉綠體位置特征，從而得到與 每個亞葉綠體位置相對應(yīng)的最優(yōu)擴(kuò)展特征子空間； 步驟6、基于步驟5所得的針對每個亞葉綠體位置的最優(yōu)擴(kuò)展特征子空間，分別訓(xùn)練一 個支持向量機(jī)預(yù)測器； 步驟7、基于步驟3和步驟6所得的兩組支持向量機(jī)預(yù)測器，對待預(yù)測蛋白質(zhì)進(jìn)行蛋白質(zhì) 亞葉綠體多位置預(yù)測。2. 如權(quán)利要求1所述的蛋白質(zhì)亞葉綠體多位置預(yù)測方法，其特征在于，采用偽氨基酸組 成方法，抽取出待預(yù)測的蛋白質(zhì)序列和訓(xùn)練數(shù)據(jù)集中所有蛋白質(zhì)序列的特征向量，待預(yù)測 樣本集和訓(xùn)練樣本集由一個20+ξ · λ維的特征向量構(gòu)成，其中，前20維是傳統(tǒng)的氨基酸組 成，而后ξ · λ維表示氨基酸序列間的序列順序信息，ξ為使用的氨基酸指數(shù)的數(shù)量，λ為指定 的蛋白質(zhì)序列中的最大相關(guān)層數(shù)。3. 如權(quán)利要求1所述的蛋白質(zhì)亞葉綠體多位置預(yù)測方法，其特征在于，在所述步驟2中， 分別為每個亞葉綠體位置構(gòu)建新的訓(xùn)練樣本集，其步驟如下： (1) 假設(shè)原始訓(xùn)練樣本集Τ包含Ν個蛋白質(zhì)，分布在Μ個亞葉綠體位置，把該數(shù)據(jù)集分為Μ 個子集，如式(1)所示： T = TiUT2U ··· UTiU ··· UTm (1) 其中，子集= …，Μ表示屬于同一個亞葉綠體位置1的化個蛋白質(zhì)樣本集合，符 號U表示集合并運(yùn)算，由于蛋白質(zhì)的多亞葉綠體位置特性，因此Ν〈Νι+Ν2+…+Νμ ; (2) 對每一個亞葉綠體位置i，假設(shè)表示屬于亞葉綠體位置i的蛋白質(zhì)樣本集合，而 則表示不屬于亞葉綠體位置i的蛋白質(zhì)樣本集合，集合和R可由式(2)構(gòu)造得出， 即：其中，（p，+ l)表示蛋白質(zhì)p屬于亞葉綠體位置i，而(p，-l)表示蛋白質(zhì)p不屬于亞葉綠體 位置i; (3)對每一個亞葉綠體位置i，通過式(3)可得它的訓(xùn)練樣本集ΤΓι，即：其中，ΤΓι和原始訓(xùn)練樣本集Τ包含完全相同的Ν個蛋白質(zhì)，區(qū)別只是Trifc原來的Ν個蛋 白質(zhì)依據(jù)是否屬于亞葉綠體位置i分成了屬于位置i的正樣本子集和+和不屬于位置i的負(fù) 樣本子集Df、4.如權(quán)利要求1所述的蛋白質(zhì)亞葉綠體多位置預(yù)測方法，其特征在于，在所述步驟4中， 把其他亞葉綠體位置對蛋白質(zhì)樣本的歸屬值追加到蛋白質(zhì)樣本的特征向量中，以擴(kuò)展蛋白 質(zhì)樣本的特征空間，其步驟如下： (1) 假設(shè)亞葉綠體位置i的訓(xùn)練樣本集ΤΓι的第k個蛋白質(zhì)樣本為pk，其特征向量表示為 式(4)所示：其中，D表示由偽氨基酸組成方法抽取的特征向量的維數(shù)； (2) 把除了亞葉綠體位置i以外的其他亞葉綠體位置對于該蛋白質(zhì)樣本pk的歸屬值追加 到該蛋白質(zhì)樣本Pk的特征向量中，如式(5)所示：其中，前D維特征乂，j = l，2,…，D是蛋白質(zhì)樣本的偽氨基酸組成，而后M-1維新加入的 特征C，m=l，2,…，i-l，i+l，···，M表示除了亞葉綠體位置i以外的其他亞葉綠體位置對于 該蛋白質(zhì)樣本Pk的歸屬值，如果該蛋白質(zhì)Pk屬于亞葉綠體位置m，則4? =1，否則，.4? =:-1,〇5. 如權(quán)利要求1所述的蛋白質(zhì)亞葉綠體多位置預(yù)測方法，其特征在于，在所述步驟5中， 使用遺傳算法進(jìn)行特征子集的選擇，同時選取出與每個亞葉綠體位置最相關(guān)的偽氨基酸組 成特征和其他亞葉綠體位置特征，從而得到與每個亞葉綠體位置相對應(yīng)的最優(yōu)擴(kuò)展特征子 空間，其采用遺傳算法選擇最優(yōu)擴(kuò)展特征子空間的關(guān)鍵是需要確定個體的表示形式及其適 應(yīng)度函數(shù)： (1) 個體表示:種群中的個體采用η維布爾向量的形式進(jìn)行表示，n =(D+M-1) X Μ，具體 來說，該η維布爾向量被分成Μ組，每組對應(yīng)一個亞葉綠體位置，每組又由2部分組成，第1部 分表示偽氨基酸組成特征，即D維，第2部分表示擴(kuò)展的其他亞葉綠體位置特征，即Μ-1維，對 于給定的個體h，h (s)取值為1表示選擇特征空間中的第s個特征，反之，h (s)取值為0表示去 除特征空間中的第s個特征； (2) 適應(yīng)度函數(shù):給定個體h，其適應(yīng)度采用如下方式進(jìn)行計算:首先，基于個體h提供的 特征選擇指示信息，選取出與每個亞葉綠體位置相關(guān)的偽氨基酸組成特征和其他亞葉綠體 位置特征，然后，使用10倍交叉驗證的方式確定個體的適應(yīng)度，適應(yīng)度采用多標(biāo)記絕對精度 來衡量。6. 如權(quán)利要求1所述的蛋白質(zhì)亞葉綠體多位置預(yù)測方法，其特征在于，在所述步驟7中， 基于步驟3和步驟6所得的兩組支持向量機(jī)預(yù)測器，對待預(yù)測蛋白質(zhì)樣本進(jìn)行蛋白質(zhì)亞葉綠 體多位置預(yù)測，其步驟如下： (1) 把由步驟1所得的待預(yù)測蛋白質(zhì)樣本的特征向量輸入到步驟3所得的一組支持向量 機(jī)預(yù)測器中，得到Μ個中間預(yù)測結(jié)果，即： θι，θ2，…，ΘΜΕ {-1，+1} (6) 其中，表示第1個亞葉綠體位置的歸屬，如果θ1 =+ι，則表示待預(yù)測蛋白質(zhì)樣本被預(yù)測 位于第1個亞葉綠體位置，否則被預(yù)測不位于第1個亞葉綠體位置，θ2表示第2個亞葉綠體位 置的歸屬，如果θ2 = + 1，則表示待預(yù)測蛋白質(zhì)樣本被預(yù)測位于第2個亞葉綠體位置，否則被 預(yù)測不位于第2個亞葉綠體位置，以此類推； (2) 把上述所得的Μ個中間預(yù)測結(jié)果作為待預(yù)測蛋白質(zhì)樣本的亞葉綠體位置的估計值， 根據(jù)步驟4擴(kuò)展蛋白質(zhì)樣本的特征空間，得到Μ個擴(kuò)展后的特征向量，每一個擴(kuò)展后的特征 向量對應(yīng)一個亞葉綠體位置； (3) 根據(jù)步驟5特征選擇的結(jié)果，去除與每個亞葉綠體位置無關(guān)和冗余的氨基酸組成特 征和其他亞葉綠體位置特征，僅保留與其最相關(guān)的氨基酸組成和位置特征，得到Μ個最優(yōu)擴(kuò) 展特征子集； (4) 把上述所得的Μ個最優(yōu)擴(kuò)展特征子集輸入到步驟6所得的對應(yīng)的Μ個支持向量機(jī)預(yù) 測器中，得到Μ個最終預(yù)測結(jié)果，即：其中，6，j = 1，2，，…，Μ表示第j個亞葉綠體位置的歸屬，即，如果< =+1，則待預(yù)測蛋 白質(zhì)樣本被預(yù)測位于第j個亞葉綠體位置，否則被預(yù)測不位于第j個亞葉綠體位置。
【專利摘要】本發(fā)明公開了一種蛋白質(zhì)亞葉綠體多位置預(yù)測的方法，步驟為：抽取出蛋白質(zhì)序列的偽氨基酸組成特征，分別為每個亞葉綠體位置訓(xùn)練一個支持向量機(jī)分類器；把亞葉綠體位置對于蛋白質(zhì)樣本的歸屬值追加到蛋白質(zhì)的特征向量中，使用亞葉綠體位置來擴(kuò)展蛋白質(zhì)樣本的特征空間；在擴(kuò)展后的蛋白質(zhì)特征空間中，利用遺傳算法分別為每個亞葉綠體位置選取最優(yōu)的擴(kuò)展特征子集；基于每個亞葉綠體位置的最優(yōu)擴(kuò)展特征子集，分別訓(xùn)練一個支持向量機(jī)分類器；基于所得兩組支持向量機(jī)分類器對待預(yù)測蛋白質(zhì)進(jìn)行蛋白質(zhì)亞葉綠體多位置預(yù)測。本發(fā)明能夠同時預(yù)測出蛋白質(zhì)的多個亞葉綠體位置，且通過融合位置間關(guān)系和位置相關(guān)特征大幅度地提高了蛋白質(zhì)亞葉綠體多位置預(yù)測的精度。
【IPC分類】G06F19/18, G06F19/24
【公開號】CN105447340
【申請?zhí)枴緾N201510782419
【發(fā)明人】王曉, 張秋聞, 趙進(jìn)超, 王榕, 張偉偉, 郭瑞
【申請人】鄭州輕工業(yè)學(xué)院
【公開日】2016年3月30日
【申請日】2015年11月12日