蛋白质中RNA-结合残基预测的随机森林模型.pdfVIP

第42卷第 1期 东南大 学 学报 (自然科学版) Vo1．42 No．1 2012年 1月 JOURNALOFSOUTHEASTUNIVERSITY (NaturalScienceEdition) Jan．2Ol2 doi：10．3969／j．issn．1001—0505．2012．01．010 蛋 白质 中RNA一结合残基预测的随机森林模型 马 昕 郭 静 孙 啸 (东南大学生物 电子学国家重点实验室，南京 210096) (南京审计学院金审学院，南京 210029) 摘要：构建了用于预测蛋 白质序列中RNA一结合残基的分类模型．在模型的特征提取方面，除了 与功能相关的结构特征和序列正交编码信息以外，还提出了一个新颖的特征PSSM．PP．该特征 不仅包含蛋 白质序列的进化保守特征，还包含与蛋 白质和RNA结合有关的氨基酸理化特征．在 设计模型时，考虑到样本数据量大的问题，选用了快速 的随机森林算法．该预测模型总体预测准 确率达到87．02％，特异性达到95．62％，敏感性达 51．16％，Matthew相关系数为0．5336．此外， 还构建 了RNA结合残基的预测平台． 关键词：随机森林；位置特异性矩阵；嵌套式交叉验证；RNA一结合残基 中图分类号 ：TP181 文献标志码 ：A 文章编号 ：1001—0505(2012)01-0050-05 Prediction ofRNA-bindingresiduesin proteinsusingrandom forest M aXin · GuoJing。 Sun Xiao。 (StateKeyLaboratoryofBioelectronics，SoutheastUniversity，Nanjing210096，China) (CollegeofGoldenAudit，NanjingAuditUniversity，Nanjing210029，China) Abstract：A predictionmethodisproposedforpredictingRNA—bindingresiduesinproteinsequences usingavarietyoffeaturesrfom aminoacidsequenceinformationwithrandom forest(RF)algo— rithm ．A novelfeature，namedpositionspecificscoringmatrixcombingwithphysicochemicalprop— erties(PSSM—PP)，isproposedtorepresenttheconservationinfomr ationandphysicochemicalprop— ertiesofresidues．Thenthenovelfeature，thesecondarystructureinfomr ationando~hogonalbinary vectorsareused toestablishtheRF modelforpredictionofRNA—bindingresiduesinproteinandthe predictionclassifierachieves0．5336Ma~hew’Scorrelationcoefficient(MCC)and87．02％ over~l accuracy(ACC)with51．16％ sensitivity(SE)and95．62％ specificity(SP)．Thewebserverim— plementationisrfeelyavailable． Keywords：random forest；position specificscoringmatrix (PSSM)；nestedcross—validation； RNA—bindingresidue 蛋 白质与 R