基于PU-learning的磷酸激酶预测算法

• 作者: 张进 彭智才 王明举 王艺琪 谢多双 魏森
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 蛋白质磷酸化 生物信息 半监督学习 PU?learning 磷酸激酶预测
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论著
• 页码范围: 360-368
• 页数: 9页
• 分类号: R318
• 字数: 6113字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2019.04.005

摘要

目的 蛋白质磷酸化是通过激酶催化特定位点把磷酸基转移到底物蛋白质氨基酸残基的过程,是研究蛋白质活力及功能的重要机制.目前已鉴定的数千个磷酸化位点大多缺失激酶信息,为此本研究提出基于PU?learning的磷酸激酶预测算法,通过迭代标记磷酸位点,可以准确预测催化磷酸肽的磷酸激酶.方法 首先该算法以PU?learning为框架,利用最大熵方差对不同种类的磷酸激酶自动筛选最佳阈值,从而提取每条磷酸肽上潜在的磷酸化位点,然后根据统计分析确定磷酸化位点对应的激酶,最后通过五折交叉验证该算法在Phospho.ELM数据库上的预测性能,并与现有算法对比.结果 该算法的交叉验证特异性和灵敏度比现有最好算法在单个数据集上最高提高4％及10％,其预测Phospho.ELM中数据准确度达到79.52％.结论 基于PU?learning的磷酸激酶预测算法显著优于现有算法,且可以准确预测Phospho.ELM数据库中未知激酶信息的磷酸肽,在磷酸化实验中具有较强的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王明举		2	0	0.0	0.0
2	王艺琪		1	0	0.0	0.0
3	张进		1	0	0.0	0.0
4	彭智才		1	0	0.0	0.0
5	魏森		1	0	0.0	0.0
6	谢多双		2	4	1.0	2.0