基于多核学与Boosting算法的蛋白质-DNA绑定位点预测方法

摘要

本发明提供一种基于多核学与Boosting算法的蛋白质‑DNA绑定位点预测方法，包括下列步骤：特征提取，抽取每个氨基酸残基的进化信息特征向量与溶剂可及性特征向量；特征融合，使用基于线性核的多核学算法对上述两个特征向量的权重信息进行评估，并根据权重进行加权串行组合得到最终的样本特征向量；使用随机下采样技术对非绑定位点的样本进行多次下采样，将下采样得到的非绑定位点样本子集与绑定位点样本集合并后训练一个SVM，得到多个SVM预测模型；使用Boosting提升算法将上述多个SVM模型进行集成，形成一个最终的预测模型。该方法提升了模型的可解释性并有效的降低训练集的规模，而且也提高了模型的预测精度。

主权项

一种基于多核学习与Boosting算法的蛋白质‑DNA绑定位点预测方法，其特征在于，包括以下步骤：步骤1：特征提取，使用PSI‑BLAST与SANN程序分别提取蛋白质序列的进化信息特征和溶剂可及性特征，在此基础上使用滑动窗口技术构建每一个氨基酸残基的特征向量，每个残基有两个对应着两种不同的信息来源的特征向量；步骤2：特征融合，使用基于线性核的多核学习算法对上述步骤1中的两个特征向量进行评估，得到相应的权重信息，并根据权重进行加权串行组合得到最终的样本特征向量；步骤3：使用随机下采样技术，对非绑定位点残基进行多次下采样，得到多个非绑定位点样本子集，将每一个非绑定位点样本子集与绑定位点样本集合并后训练一个SVM预测模型，得到多个SVM预测模型；以及步骤4：使用Boosting提升算法，将步骤3中得到的多个SVM预测模型进行集成，得到最终的蛋白质‑DNA绑定位点预测模型，用于预测样本是否为DNA绑定位点；步骤5、对于待预测蛋白质序列，采用所述步骤1的方式进行特征提取和步骤2的方式进行特征融合，然后输入步骤4中所最终得到的蛋白质‑DNA绑定位点预测模型，预测出蛋白质‑DNA绑定位点。