基于随机下采样和SVR的蛋白质-ATP绑定位点预测

• 作者: 余健浩 孙廷凯
• 来源期刊: 现代电子技术
• 关键词: 蛋白质-ATP绑定位点 位置特异性得分矩阵 滑动窗口 支持向量回归模型 随机下采样
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 计算机应用技术
• 页码范围: 19-24
• 页数: 6页
• 分类号: TN911-34
• 语种: 中文

摘要

将蛋白质序列的ATP绑定位点与非绑定位点进行分类是个不平衡的二分类问题，其中绑定位点是样本数目稀少的正类样本，非绑定位点是样本数目众多的负类样本。根据机器学习关于可以将分类问题作为回归问题的特例的观点出发，并根据所研究问题本身的特点，在此提出一种基于随机下采样和支持向量回归的蛋白质?ATP绑定位点预测方法。首先，使用滑动窗口抽取蛋白质序列中每个残基的特征，得到一批不平衡的两类样本；其次，应用随机下采样策略，消除正负样本存在的显著不平衡；最后，使用支持向量回归建立预测模型，并选取合适的阈值进行蛋白质?ATP绑定位点的预测。在标准数据集上的实验结果以及与几种最新报道的预测方法的对比结果，验证了本文所述方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙廷凯	南京理工大学计算机科学与工程学院	9	76	4.0	8.0
2	余健浩	南京理工大学计算机科学与工程学院	1	0	0.0	0.0