基于機(jī)器學(xué)習(xí)的凋亡蛋白亞細(xì)胞定位預(yù)測(cè)研究.pdf

1、細(xì)胞凋亡，或被稱為程序性細(xì)胞死亡，是細(xì)胞生命的最后階段，是許多生物過程的重要組成部分，保持生物組織平衡中起著重要作用。凋亡蛋白在程序性細(xì)胞死亡機(jī)制中扮演關(guān)鍵角色，獲取細(xì)胞凋亡蛋白的亞細(xì)胞位置的信息有助于我們了解細(xì)胞凋亡機(jī)制。隨著蛋白質(zhì)呈現(xiàn)指數(shù)級(jí)增長(zhǎng)，通過生物實(shí)驗(yàn)注釋的方法不能滿足研究者的需求，越來越多的研究人員選擇基于機(jī)器學(xué)習(xí)的方法進(jìn)行蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)。
　　本研究主要內(nèi)容包括：⑴針對(duì)基于序列信息的特征提取方法已不能進(jìn)一步提升

2、預(yù)測(cè)效果的問題，使用蛋白質(zhì)及其同源蛋白的GO注釋信息代替序列信息來表示蛋白質(zhì)。實(shí)驗(yàn)結(jié)果表明所提的方法對(duì)凋亡蛋白質(zhì)的亞細(xì)胞位置預(yù)測(cè)性能顯著地超過了其他已有的方法。為了給更多的研究人員提供預(yù)測(cè)服務(wù)，構(gòu)建了在線預(yù)測(cè)網(wǎng)站。⑵CL317凋亡蛋白數(shù)據(jù)集存在較為嚴(yán)重的不均衡分布問題。在機(jī)器學(xué)習(xí)領(lǐng)域的以往的研究表明，直接應(yīng)用傳統(tǒng)的機(jī)器學(xué)習(xí)算法往往會(huì)導(dǎo)致偏向多數(shù)類，從而導(dǎo)致在少數(shù)類上分類性能不佳。為了解決這一問題，構(gòu)建了一種新的凋亡蛋白亞細(xì)胞定位預(yù)測(cè)器G

3、OIL-Apo，將隨機(jī)欠采樣技術(shù)與多類支持向量機(jī)相結(jié)合提出了欠采樣SVMs集成分類器以解決 CL317數(shù)據(jù)集存在的不平衡問題，同時(shí)通過構(gòu)建GO向量子空間的方法避免使用所有GO術(shù)語所帶來的維度災(zāi)難問題。實(shí)驗(yàn)結(jié)果表明解決不平衡問題能有效地提升預(yù)測(cè)效果，而且預(yù)測(cè)性能顯著地超過了其他已有的方法。⑶以往研究人員只專注于單定位點(diǎn)的凋亡蛋白質(zhì)亞細(xì)胞位置預(yù)測(cè)而忽略了多位點(diǎn)的凋亡蛋白，本文更進(jìn)一步研究多位點(diǎn)的凋亡蛋白亞細(xì)胞位置預(yù)測(cè)，構(gòu)建了一個(gè)包含多亞細(xì)胞