基于类不平衡学习的蛋白质与金属离子 交互位点预测

• 作者: 乔梁 谢冬青
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 类不平衡学习 蛋白质与金属离子 交互位点 预测 支持向量机
• 年，卷（期）: 2018,（6）
• 页码范围: 707-715
• 页数: 9页
• 分类号: TP391.4
• 字数: 8199字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.06.011

摘要

为了提高蛋白质与金属离子的交互位点(P MIIS)预测的准确率,从解决数据分布不平衡问题出发,提出了1种结合下采样与上采样方法的类不平衡学习算法.同时对多数类样本与少数类样本进行采样,在补充少数类样本信息的同时,减少多数类样本的冗余信息.基于该文类不平衡学习算法与支持向量机(SVM),设计了1种基于序列信息的预测方法.为了客观评价PMIIS的预测性能,构建了领域内较为完备的、含有蛋白质与Zn2+、Ca2+与Fe3+交互位点的标准数据集.在此数据集上的实验结果表明,该文预测方法在蛋白质与Zn2+、Ca2+与Fe3+交互位点预测问题上的平均马氏相关系数(MCC)为0.646,优于TargetS与IonCom.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢冬青	广州大学数学与信息科学学院	70	339	11.0	16.0
2	乔梁	广州大学数学与信息科学学院	1	1	1.0	1.0