基于多视角特征融合与随机森林蛋白质结晶预测.docVIP

基于多视角特征融合与随机森林蛋白质结晶预测 　　摘 要： X射线晶体结构分析是测定蛋白质结构的重要方法之一，国际蛋白质数据库（PDB）中已知晶体结构的蛋白质80%～90%均是使用该方法得到的。然而，并不是所有的蛋白质都能良好结晶，使用晶体结构分析方法对不能结晶的蛋白质进行结构测定将浪费大量的资源。因此，研发准确高效的算法来对蛋白质能否结晶进行预测就具有重要意义。在此提出了一种组合蛋白质物理化学特性、序列信息与进化信息的蛋白质结晶预测方法。该方法从不同视角抽取分别抽取蛋白质的物理化学特征、伪氨基酸组成特征（PseAAC）和伪位置特异性得分矩阵特征（PsePSSM），使用随机森林对组合的特征进行蛋白质结晶预测。在标准数据集上的独立测试验证的结果表明，这里所述的蛋白质结晶预测方法具有良好的性能。 　　关键词： 蛋白质结晶； 伪氨基酸组成； 位置特异性得分矩阵； 随机森林 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2015）08?0050?04 　　Protein crystallization prediction based on fusion of multi?view features 　　and random forest 　　LI Qiang1， ZHENG Yu?jie2 　　（1. School of Computer Science and Engineering， NUST， Nanjing 210094， China； 　　2. The 28th Research Institute， China Electronics Technology Group Corporation， Nanjing 210007， China） 　　Abstract： The X?ray crystallography analysis is one of the important methods to measure protein structure， by which 80%～90% protein of the known crystalloid structures in the international protein data bank （PDB） has been obtained. However， not all the proteins used for determining structures are crystallizable， which will lead to a low success rate of crystallization projects and a serious waste of resources to measure those non?crystallizable protein. Hence， it is important to develop an accurate and effective method for predicting whether a protein will crystallize. In this study， a new protein crystallization prediction method to combine the protein physicochemical characteristic， serial information and evolutionary information is proposed， which extracts the protein physicochemical properties， pseudo amino acids composition （PseAAC） and pseudo position specific scoring matrix （PsePSSM） at different visual angle respectively. The random forest is taken as classifier predict protein crystallization of the combined Properties. Experimental results on benchmark dataset over cross?validation test and independent validation test show that the proposed method has perfect performance. 　　Keywords： protein crystallizat