基于随机下采样和SVR的蛋白质-ATP绑定位点预测.pdfVIP

2015年2月 15日 现代电子技术 Feb．2015 第38卷第4期 ModernElectronicsTechnique Vo1．38No．4 基于随机下采样和SVR的蛋白质一ATP绑定位点预测 余健浩，孙廷凯 (南京理工大学 计算机科学与工程学院，江苏 南京 210094) 摘 要：将蛋 白质序列的ATP绑定位点与非绑定位点进行分类是个不平衡 的二分类问题 ，其 中绑定位点是样本数 目稀 少的正类样本，非绑定位点是样本数 目众多的负类样本。根据机器学习关于可以将分类问题作为回归问题的特例的观点出 发，并根据所研究问题本身的特点，在此提出一种基于随机下采样和支持向量回归的蛋白质．ATP绑定位点预测方法。首 先，使用滑动窗口抽取蛋白质序列中每个残基的特征，得到一批不平衡的两类样本；其次，应用随机下采样策略，消除正负样 本存在的显著不平衡 ；最后 ，使用支持向量回归建立预测模型，并选取合适的阈值进行蛋 白质．ATP绑定位点的预测。在标 准数据集上的实验结果以及与几种最新报道的预测方法的对比结果，验证了本文所述方法的有效性。 关键词：蛋 白质．ATP绑定位点；位置特异性得分矩阵；滑动窗口；支持向量回归模型；随机下采样 中图分类号：TN911-34 文献标识码：A 文章编号：1004—373X(2015)04．0019—06 Protein--ATPbindingresiduespredictionbySVR modelwithrandom under--sampling YUJian—hao，SUNTing—kai (SchoolofComputerScienceandEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094，China) Abstract：Animbalancedbinaryclassificationproblem doesremainduetothefactthatthesamplesizeofbindingresidues (positivesamples)isfarlessthanthatofnon—bindingclass(negativesamples)inprotein—ATPbindingresiduesprediction．In— spiredbyboththemachinelearningviewpointthattheclassificationproblem canberegardedasaspecialcaseoftheregression problem ，andthecharacteristicofthebioinformaticsproblem concerned，anovelpredictionmethodofprotein-ATPbindingresi· duesisproposedinthispaper．Thismethodisbasedonboththesupportvectorrergession(SVR)modelandtherandomunder— samplingstrategy．Thecentralideacanbepresentedasfollows：firstlytheslidingwindow isusedtoextractthefeaturesofevery residueintheproteinsequences，resultingintheimbalancebinary classsamples；secondly，therandomunder—samplingstrate· gYisutilizedtoeliminatethesignificantimbalancebetweenpositiveandnegativesample