核學(xué)習(xí)方法及其在生物序列分析中的應(yīng)用.pdf

1、蛋白質(zhì)序列可以按照功能，結(jié)構(gòu)，亞細(xì)胞位置等分成不同的類別。 在計(jì)算生物學(xué)中的一個(gè)很重要的問題是如何自動(dòng)地進(jìn)行這個(gè)分類過程。 我們從兩個(gè)角度使用核方法來解決這個(gè)問題：首先建立新的字符串核，其次開發(fā)新的基于核的學(xué)習(xí)算法。 首先，我們?cè)诤朔椒ǖ姆懂爟?nèi)介紹一個(gè)對(duì)蛋白質(zhì)序列相似性建模的框架。在這個(gè)框架下，我們可以更靈活的構(gòu)造不同的核函數(shù)為支持向量機(jī)的輸入?，F(xiàn)有的字符串核方法都是基于顯式的定義從蛋白質(zhì)序列到向量空間的特征映射

2、。而我們的方法是通過局部核函數(shù)構(gòu)造和核組合的方法來直接建立核函數(shù)的。我們提出的框架提供了有生物意義的核函數(shù)，因?yàn)槲覀冞x取有區(qū)分能力的k長(zhǎng)氨基酸序列和考慮到了錯(cuò)配，BLOSMM62分值，InterPro項(xiàng)和基因本體。我們?cè)陉P(guān)于蛋白質(zhì)亞細(xì)胞定位和遠(yuǎn)同源性檢測(cè)的兩個(gè)不同的數(shù)據(jù)集上做了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明使用我們構(gòu)造的核函數(shù)的支持向量機(jī)可以取得比現(xiàn)有的基于序列的方法更好的結(jié)果。當(dāng)使用了InterPro和基因本體的先驗(yàn)知識(shí)后，我們的方法和其他使用先

3、驗(yàn)知識(shí)的方法有相似的性能。 其次，我們探索了亞細(xì)胞位置之間的依賴關(guān)系，并且將這種關(guān)系用于支持向量機(jī)來進(jìn)行蛋白質(zhì)亞細(xì)胞定位。傳統(tǒng)的預(yù)測(cè)系統(tǒng)使用了“平面”分類器組合結(jié)構(gòu)，比如說一對(duì)其他方法和一對(duì)一方法。所以，現(xiàn)有的研究基本上都忽略了亞細(xì)胞位置問的依賴關(guān)系。和這些方法不同，我們使用了一個(gè)層次化結(jié)構(gòu)來組織亞細(xì)胞位置并且對(duì)它們之間的關(guān)系建模。我們提出了四種層次化的預(yù)測(cè)方法，并且在三個(gè)數(shù)據(jù)集上做了比較實(shí)驗(yàn)。試驗(yàn)結(jié)果表明三種層次化模型在樹損失