基于XGBoost与拓扑结构信息的蛋白质复合物识别算法

摘要：

蛋白质相互作用(PPI)网络中存在大量不确定性及已知蛋白质复合物数据的不完整性,单独地根据结构信息进行搜索或对已知复合物进行监督学习的方法在识别蛋白质复合物的准确性上存在不足.对此,提出一种XGBoost模型与复合物拓扑结构信息相结合的搜索方法(XGBP).首先,根据复合物拓扑结构信息进行特征提取;然后,把所提取的特征用XGBoost模型进行训练;最后,将拓扑结构信息与监督学习方法相结合,建立特征与复合物之间的映射关系以提高蛋白质复合物预测的准确性.该算法分别与目前流行的马尔可夫聚类算法(MCL)、极大团聚类方法(CMC)、基于核心-附属结构算法(COACH)、快速层级聚类算法(HC-PIN)、基于重叠邻居的扩展聚类(ClusterONE)、分子复合物检测算法(MCODE)、基于不确定图模型的蛋白质复合物检测方法(DCU)和加权核心-附属算法(WCOACH)这八种非监督学习算法和三种监督学习方法贝叶斯网络(BN)、支持向量机(SVM)、回归模型(RM)进行比较,所提方法在精准度、敏感度、F-measure方面显示出良好的性能.

关键词：蛋白质复合物、XGBoost模型、蛋白质相互作用网络、图数据挖掘、机器学习

所属期刊栏目：40

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;广西自然科学基金资助项目

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1510-1514