基于三类特征融合的O-糖基化位点预测

摘要：

糖基化是蛋白质翻译后的主要修饰,O-糖基化的固定模式未知,高精度识别O-糖基化位点是机器学习面临的挑战性问题.以迄今最大的人O-糖基化位点Steentoft数据集为基础,本文首次提出了基于位置的卡方差表特征x2-pos,融合伪氨基酸序列进化信息PsePSSM以及无方向的k间隔氨基酸对组分Undirected-CKSAAP表征序列,构建5个正负样本均衡的支持向量机分类器,经加权投票,独立测试准确率、Matthew相关系数及ROC曲线下面积,分别达到了89.62％、0.79、0.96,明显优于文献报道结果.x2-pos、PsePSSM与Undirected-CKSAAP三种特征的融合在蛋白质糖基化、磷酸化等位点预测中有广泛应用前景.

关键词：O-糖基化位点预测、卡方差表特征、伪氨基酸序列进化信息、无方向的k间隔氨基酸对组分、加权投票

所属期刊栏目：43

分类号：TP391.41;TP183;TN911.73

在线出版日期：2016-09-05（万方平台首次上网日期，不代表论文的发表时间）

页码：691-698