基于支持向量机的蛋白质同源寡聚体分类研究-LibraryInstituteof.PDFVIP

#%%’ ；% （( ） 生物化学与生物物理进展 ’()*+ ,-)./01+ ,-)2/34+ ·9$* · 基于支持向量机的蛋白质同源寡聚体分类研究! ! ） ! ） # ） ! ） ## 张绍武 潘 泉 陈润生 张洪才 !） # ） （ 西北工业大学自动控制系，西安$ !%%$# ； 中国科学院生物物理研究所，北京 !%% !% ! ） 摘要 基于支持向量机和贝叶斯方法，从蛋白质一级序列出发对蛋白质同源二聚体、同源三聚体、同源四聚体、 同源六聚体进行分类研究，结果表明：基于支持向量机，采用 “一对多”和 “一对一”策略，其分类总精度分 别为$$ ’() 和*’ +’) ，分别比基于贝叶斯协方差判别法的分类总精度,% (+ ) 提高#( $# 和+# $* 个百分点- 从而说明支持向量机可用于蛋白质同源寡聚体分类，且是一种非常有效的方法- 对于多类蛋白质同源寡聚体分 类，基于相同的机器学习方法 （如支持向量机），采用 “一对一”策略比 “一对多”效果好- 同时亦表明蛋白 质同源寡聚体一级序列包含四级结构信息- 关键词 支持向量机，贝叶斯协方差判别法，分类，同源二聚体，同源三聚体，同源四聚体，同源六聚体 学科分类号 .(!$ 蛋白质四级结构按亚基的种类和数目可分为同 序列- 为了排除膜蛋白和其他特异蛋白，该数据库 源寡聚体和异源多聚体，例如同源二聚体，同源三 仅限于原核生物和细胞质的同源寡聚蛋白内，可从 聚体，同源四聚体和同源六聚体等- 对于蛋白质四 6DE661FGH 数据库中选出- 级结构一般是通过生物学实验测定的，但需要昂贵 !# $ 支持向量机 的仪器，且实验中还会遇到一些困难- 随着人类基 支持向量机 （IJKK3B L@MB3 =2M;45@ ，678 ）是 因组计划 （/01 ）在全世界范围内的顺利展开， ［# ，’ ］ 72K54N 等 根据统计学习理论提出的一种新的机 人类已获得了大量的蛋白质序列，因而与实验方法 器学习方法，其最大特点是根据72K54N 的结构风 相结合，利用蛋白质一级结构序列信息预测蛋白质 险最小化原则，尽量提高学习的泛化能力，即由有 空间结构将扮演重要的角色- 限的训练集样本得到的小误差仍能够保证对独立的 023425［!］用决策树的方法对蛋白质的同源二聚 测试集小的误差- 应用支持向量机进行分类研究的 体和非同源二聚体进行了分类研究- 关于多类同源 基本思想可简述为：首先将输入空间的样本通过某 寡聚体的分类研究目前还未见有报道，本文拟采用 种非线性函数关系映射到一个特征空间中 （维数 ［# ，’ ］ ［+ ，, ］ 支持向量机 和贝叶斯协方差判别法 对蛋白 可能较高），在此特征空间中构造最优分类超平 质同源二聚体、同源三聚体、同源四聚体和同源六