基于多標簽直推學習的抗菌肽功能預測.pdf

1、抗菌肽是廣泛存在于生物體內(nèi)的一類具有廣譜抗菌作用的天然多肽，因其不易導致細菌耐藥性，現(xiàn)已成為醫(yī)藥界開發(fā)新型抗菌制劑的主要選擇，因此識別出更多的抗菌肽并預測其單種或多種抗菌功能具有重要意義。在抗菌肽的識別和功能預測中，基于機器學習的方法因其高精度、低成本、高可行性及高可靠性等優(yōu)點，被越來越多的應用于抗菌肽的識別和其抗菌功能的預測中，但目前已有的方法還不能同時進行抗菌肽的識別和其抗菌功能的預測，計算精度仍有提高的空間。
　　本研究主要

2、內(nèi)容包括：⑴提出一種基于單個優(yōu)化問題的多標簽分類方法，該方法不僅能夠識別多肽是否為抗菌肽，還能同時預測出抗菌肽所具有的抗細菌功能、抗真菌功能、抗腫瘤細胞功能、抗病毒功能和抗HIV功能等單種或多種抗菌功能；⑵針對抗菌肽功能預測問題中有標簽樣本較少、無標簽樣本較多且蘊含大量信息的特點，提出基于圖的直推預測模型，通過對有標簽訓練樣本和無標簽待測樣本的共同學習來提升預測性能，并且在利用直推學習方法構(gòu)建近鄰圖時，在對各樣本局部關(guān)聯(lián)關(guān)系計算時對各抗

3、菌功能類別加以了不同權(quán)重，將不同類別對預測方法的貢獻度區(qū)分開來；⑶為了更好的驗證預測方法的泛化性，除了整理利用發(fā)表過的數(shù)據(jù)集外，還結(jié)合新公布的APD（Antimicrobial Peptide Database）中的抗菌肽序列以及UniProt（Universal Protein）數(shù)據(jù)庫中的非抗菌肽序列構(gòu)建了新的與訓練集序列同源性較低的測試集來對預測方法進行實驗；采用 K-Spaced氨基酸對組成方法（Composition of K-