基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

• 作者: 於东军 金康荣
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 模式识别与智能系统 蛋白质接触图 特征提取 加权朴素贝叶斯分类器 粒子群算法 极端随机树
• 年，卷（期）: 2018,（5）
• 页码范围: 619-628
• 页数: 10页
• 分类号: TP391.4
• 字数: 8585字
• 语种: 中文
• DOI: 10.16356/j.1005-2615.2018.05.006

摘要

提出一个新的基于集成学习的预测器(TargetPCM ) ,对蛋白质接触图(特别是中长程)进行高精度的预测.首先,TargetPCM 使用加权朴素贝叶斯分类器(Weighted Na?ve Bayes classifier ,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型.为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试.结果表明:对于短程、中程和长程接触,TargetPCM 的Top L／5精度比现有最好的集成预测器(NeBcon)分别提高了8 .2% ,16 .1% 和5 .3% .在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM 的 Top L／5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7 .4% ,9 .1% 和7 .5% .实验结果验证了本文所提蛋白质接触图预测方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於东军	南京理工大学计算机科学与工程学院	64	503	15.0	19.0
2	金康荣	南京理工大学计算机科学与工程学院	1	5	1.0	1.0