基于HOG-Cos-PSSM特征表达和TKSE集成方法的氧化还原酶分类预测

发布时间：2020-06-07 13:51

【摘要】：近年来,随着生物医学界对于氧化还原酶的认知逐步加深,其在药物研究以及疾病诊断方面的作用愈发被重视。氧化还原酶有许多具有不同功能的亚类,因此对其进行准确的分类是生物信息学中的一项重要任务。传统生物方法对其进行类别研究存在花费时间长、所需费用高的问题。但如果可以根据它的序列建立有效的机器学习方法,将会对其亚家族分类研究提供非常有效的帮助。随着机器学习以及生物信息的发展,基于计算机算法的蛋白质序列识别研究得到了长足的发展。众所周知,酶的本质是蛋白质,因此本文考虑对酶蛋白序列进行特征描述,并结合机器学习算法对其进行分类预测研究,试图以此构建一个高效准确的预测方法。为了高效准确的进行预测,本文研究分为两个方面:针对酶蛋白序列特征描述方法的研究改进、预测分类器的构造,分别提出了 HOG-Cos-PSSM(Histogram of Oriented Gradient-Cosine similarity-PSSM)特征描述方法和 TKSE(T-sne+K-meansSelection ensemble classifier framework)集成分类框架。第一,本文对现有的特征描述方法进行总结,针对酶蛋白序列特征矩阵位置信息丢失的问题,引入方向梯度直方图和余弦夹角相似度的概念,分别提出HOG-PSSM(Histogram of Oriented Gradient PSSM)Cos-PSSM(Cosine similarity PSSM)。并且在相关性分析之后进行特征融合提出HOG-Cos-PSSM特征描述方法。实验表明,HOG-Cos-PSSM特征描述方法有效的对现有特征描述方法进行改进。第二,在分类器研究方面,本文使用多分类器集成方法,引入“能力区域”和“区域选择集成”的概念并提出TKSE集成分类框架。首先,使用基于t分布的随机近邻嵌入算法T-sne和K-means聚类算法对样本空间进行“能力区域”的划分。然后,对区域中各基分类器进行筛选并使用Stacking层次集成框架以构成各区域的集成分类器。最后,测试样本选择相似度最高区域对应的集成分类器进行分类。大量实验结果证实,TKSE集成分类框架的预测效果明显高于各基分类器,并且其与HOG-Cos-PSSM特征描述方法共同使用将氧化还原酶分类预测精度提升至95.87%。本文所提出的HOG-Cos-PSSM特征描述方法与TKSE集成分类框架有效提高了氧化还原酶分类预测精度,此方法是对现有预测方法的有效补充。
【图文】：

图２：本文预测研宄流整体程图逡逑

示意图,交叉验证,检验方法,示意图

再用训练完成的分类模型对测试样本进行预测以评估其性能［４ＳＨ４６］。逡逑Ｋ折交叉验证被视为较为客观的检验方法，其可以在较为复杂的样本分布中对逡逑分类模型进行无偏估计［１３）。如图６所示，Ｋ折交叉验证首先将原始数据集分割成逡逑不交叉的Ａ个子集，并且每个子集中各类别之间的比例大致相同ｍ［４８］。之后将其中逡逑任一子集提出以作为测试集，而其余Ａ－１个集合作为训练集对分类模型进行训练。逡逑以此循环／ｔ次以确保每一个子集都被当做过测试集［１３］。最后将Ａ次的预测结果计算逡逑求平均并以此作为评估结果。逡逑其中，Ｊａｃｋｋｎｉｆｅ检验方法作为交叉验证的一种，，被认为是最严格和客观的检验逡逑方法。其在蛋白质结构和功能预测研究中常常被用来评估算法的性能。在Ｊａｃｋｋｎｉｆｅ逡逑测试中，每次提出一条蛋白质序列作为测试样本，剩余的蛋白质序列构成训练集。逡逑以此不断循环，确保确保每条蛋白质序列均被当做过测试样本。因此，Ｊａｃｋｋｎｉｆｅ逡逑测试也被称为留一法测试。本文中，我们将使用Ｊａｃｋｋｎｉｆｅ检验方法来评估分类模逡逑型。逡逑１９逡逑
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R318;TP181

【参考文献】