10.3969/j.issn.2095-6835.2010.10.009
基于非线性降维算法的膜蛋白类型识别
众所周知,研究未知膜蛋白的类型可对基础研究和药物发现提供有用的线索.在后基因组时代,伴随着蛋白质序列数量的剧增,用实验方法确定膜蛋白类型太过昂贵和费时.因此,研究出一种能够自动发现可能的膜蛋白的计算方法变得很重要.鉴于这种情况,曾有人采用DC(Dipeptide Composition)方法表示蛋白质序列并取得了很好的预测结果.然而,采用这种表示方法得到的特征维数很高,冗余很大,使得预测系统十分复杂.为了解决这个问题,本文采用非线性降维算法KPCA (Ker-nel Principle component analysis),通过从高维的DC (Dipeptide Composition)特征空间中提取出低维的重要特征来简化该系统,采用K-NN(K-nearest neighbor)分类器从约简后的低维特征中预测膜蛋白类型.实验结果表明,使用KPCA方法预测膜蛋白类型非常有效.
KPCA、膜蛋白、二肽组成、降维算法、生物信息学
26
TP18;Q734(自动化基础理论)
2014-07-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
20-21,43