基于随机森林与特征选择方法的蛋白质热稳定性影响因素预测.pdfVIP

现代食品科技 Modern Food Science and Technology 2016, Vol.32, No.7 基于随机森林和特征选择方法的蛋白质热稳定性 影响因素预测 1,2 1,2 3 1 1,2 4 张力 ，艾海新 ，张吉宽 ，胡桓 ，刘宏生 ，马树才 （1.辽宁大学生命科学院，辽宁沈阳 110036）（2.辽宁省生物大分子计算模拟与信息处理工程技术研究中心，辽 宁沈阳 110036）（3.辽宁大学信息学院，辽宁沈阳 110036）（4.辽宁大学经济学院，辽宁沈阳 110036） 摘要：酶的耐热性对其在食品工业中实现应用至关重要。本文以随机森林算法通过蛋白质序列预测酶的热稳定性，并对影响热 稳定性的重要特征进行了分析。计算了从 Swiss-Prot 数据库获得的 1600 个包含热稳定性信息的酶的 430 个特征。采用重复欠抽样法 处理数据不平衡问题，采用向后递归特征消去法优选出 30 个最重要的特征。通过交叉验证和独立测试比较以各特征子集构建的模型， 发现仅以氨基酸组成为特征集构建的模型获得了最佳预测效果，模型的总体预测准确率为 85.83%、敏感性为 89.16%、特异性为 73.33%、精度为 77.00%、F1 度量为 74.87%。结果表明氨基酸组成对酶热稳定性的影响最大，嗜热酶中含有更多的谷氨酸、异亮氨 酸和赖氨酸，而常温酶中含有更多的谷氨酰胺、丝氨酸和苏氨酸。研究为蛋白质工程改造食品工业用酶的热稳定性提供了一定的理论 和方法。 关键词：酶热稳定性；随机森林；特征选择；氨基酸组成 文章篇号：1673-9078(2016)07-103-108 DOI: 10.13982/j.mfst.1673-9078.2016.7.017 Prediction of the Influencing Factors of Protein Thermal Stability using Random Forest and Feature Selection Techniques 1,2 1,2 3 1 1,2 4 ZHANG Li , AI Hai-xin , ZHANG Ji-kuan , HU Huan , LIU Hong-sheng , MA Shu-cai (1.School of Life Science, Liaoning University, Shenyang110036, China) (2.Research Center for Computer Simulating and Information Processing of Bio-macromolecules of Liaoning, Shenyang 110036, China) (3.School of Information, Liaoning University, Shenyang 110036, China) (4.School of Economics, Liaoning University, Shenyang 110036, China) Abstract: Thermal stability is crucial for implementation of an enzyme in the food industry. The thermostability of enzymes