基于非线性降维算法的膜蛋白类型识别

• 作者: 周智芳 王立鹏 袁占亭 陈旭辉
• 来源期刊: 科技与创新
• 关键词: KPCA 膜蛋白 二肽组成 降维算法 生物信息学
• 年，卷（期）: 2010,（10）
• 页码范围: 20-21,43
• 分类号: TP18|Q734
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.10.009

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈旭辉	兰州理工大学电气工程与信息工程学院	14	95	7.0	9.0
2	袁占亭	兰州理工大学电气工程与信息工程学院	84	771	14.0	25.0
3	周智芳	兰州理工大学石油化工学院	13	171	6.0	13.0
4	王立鹏	兰州理工大学电气工程与信息工程学院	4	17	1.0	4.0