[發(fā)明專利]用于識(shí)別細(xì)胞外基質(zhì)蛋白的集成學(xué)習(xí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410588610.8
• 申請(qǐng)日: 2014-10-28
• 公開（公告）號(hào): CN104331642A
• 公開（公告）日: 2015-02-04
• 發(fā)明（設(shè)計(jì)）人: 張承進(jìn);楊潤(rùn)濤;高瑞;張麗娜
• 申請(qǐng)（專利權(quán)）人: 山東大學(xué)
• 主分類號(hào): G06F19/24
• 分類號(hào): G06F19/24;G06F19/18
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

1.用于識(shí)別細(xì)胞外基質(zhì)蛋白的集成學(xué)習(xí)方法，其特征是，包括以下步驟：

步驟一：數(shù)據(jù)集建立：建立細(xì)胞外基質(zhì)ECM蛋白序列的訓(xùn)練樣本集和獨(dú)立測(cè)試樣本集；

步驟二：基于序列組成、物理化學(xué)屬性、進(jìn)化信息及結(jié)構(gòu)信息，將訓(xùn)練樣本集中的蛋白質(zhì)序列映射成數(shù)值特征向量；

步驟三：為降低計(jì)算復(fù)雜度和減少特征的冗余性，采用信息增益率—增量特征選擇方法挑選出相對(duì)有效的特征子集，以提高評(píng)估訓(xùn)練樣本集的預(yù)測(cè)性能；

步驟四：采用集成學(xué)習(xí)的方法建立集成分類器模型，以解決數(shù)據(jù)集不平衡的問(wèn)題；

步驟五：將獨(dú)立測(cè)試樣本集按步驟二的方法映射成數(shù)值特征向量，基于集成分類器模型的預(yù)測(cè)結(jié)果，采用多數(shù)表決方法得到測(cè)試樣本的類別，最終利用所有測(cè)試樣本的預(yù)測(cè)結(jié)果評(píng)價(jià)預(yù)測(cè)系統(tǒng)的性能；

步驟六：利用用于細(xì)胞外基質(zhì)蛋白識(shí)別的網(wǎng)絡(luò)服務(wù)器系統(tǒng)，進(jìn)行在線識(shí)別細(xì)胞外基質(zhì)蛋白。

2.如權(quán)利要求1所述的用于識(shí)別細(xì)胞外基質(zhì)蛋白的集成學(xué)習(xí)方法，其特征是，所述步驟一中訓(xùn)練樣本集含有410個(gè)后生動(dòng)物ECM蛋白和4464個(gè)后生動(dòng)物非ECM蛋白；獨(dú)立測(cè)試樣本集則包括85個(gè)人類ECM蛋白和130個(gè)人類非ECM蛋白。

3.如權(quán)利要求1所述的用于識(shí)別細(xì)胞外基質(zhì)蛋白的集成學(xué)習(xí)方法，其特征是，所述步驟二中，所述蛋白質(zhì)序列映射成數(shù)值特征向量的方法為：基于序列組成官能團(tuán)的頻率的特征建立策略；基于序列組成信息熵的特征建立策略；基于序列組成氨基酸分布的特征建立策略；基于序列組成氨基酸轉(zhuǎn)換的特征建立策略；基于物理化學(xué)屬性偽氨基酸組成的特征建立策略；基于物理化學(xué)屬性離散小波變換的特征建立策略；基于進(jìn)化信息的特征建立策略；基于進(jìn)化信息非穩(wěn)定構(gòu)象的特征建立策略；基于進(jìn)化信息二級(jí)結(jié)構(gòu)信息的特征建立策略；基于進(jìn)化信息功能域信息的特征建立策略。

4.如權(quán)利要求1所述的用于識(shí)別細(xì)胞外基質(zhì)蛋白的集成學(xué)習(xí)方法，其特征是，所述步驟三中，采用信息增益率—增量特征選擇方法挑選出相對(duì)有效的特征子集，具體為：利用增量特征選擇方法獲取最優(yōu)特征子集，增量特征選擇方法從空特征集合開始，按特征的排序從高到低逐一加入到特征集合；每一次加入一個(gè)特征，都會(huì)產(chǎn)生一個(gè)新的特征子集，具有高均衡準(zhǔn)確率和低維數(shù)的特征子集將被作為預(yù)測(cè)系統(tǒng)的最終輸入特征向量。

5.如權(quán)利要求1所述的用于識(shí)別細(xì)胞外基質(zhì)蛋白的集成學(xué)習(xí)方法，其特征是，所述步驟四中的分類器模型為隨機(jī)森林，隨機(jī)森林通過(guò)重采樣技術(shù)，隨機(jī)生成訓(xùn)練樣本用于訓(xùn)練多個(gè)決策樹，基于多數(shù)表決的方法，獨(dú)立測(cè)試樣本的最終預(yù)測(cè)結(jié)果由決策樹輸出類別的眾數(shù)而定。