基于类不平衡学习的蛋白质与金属离子交互位点预测

作     者：乔梁 谢冬青 Qiao Liang;Xie Dongqing

作者机构：广州大学数学与信息科学学院广东广州510006 

基　　金：国家自然科学基金(61772007) 

出 版 物：《南京理工大学学报》 (Journal of Nanjing University of Science and Technology)

年 卷 期：2018年第42卷第6期

页      码：707-715页

摘      要：为了提高蛋白质与金属离子的交互位点(PMIIS)预测的准确率,从解决数据分布不平衡问题出发,提出了1种结合下采样与上采样方法的类不平衡学习算法。同时对多数类样本与少数类样本进行采样,在补充少数类样本信息的同时,减少多数类样本的冗余信息。基于该文类不平衡学习算法与支持向量机(SVM),设计了1种基于序列信息的预测方法。为了客观评价PMIIS的预测性能,构建了领域内较为完备的、含有蛋白质与Zn^(2+)、Ca^(2+)与Fe^(3+)交互位点的标准数据集。在此数据集上的实验结果表明,该文预测方法在蛋白质与Zn^(2+)、Ca^(2+)与Fe^(3+)交互位点预测问题上的平均马氏相关系数(MCC)为0.646,优于TargetS与IonCom。

主 题 词：类不平衡学习 蛋白质与金属离子 交互位点 预测 支持向量机 

学科分类：1305[艺术学-设计学类] 0810[工学-土木类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 0805[工学-能源动力学] 081101[081101] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.14177/j.cnki.32-1397n.2018.42.06.011

馆 藏 号：203429806...