基于特征提取的酶識(shí)別問題研究.pdf

1、在生物信息學(xué)中，將酶從蛋白質(zhì)識(shí)別出來一直是對(duì)酶進(jìn)行進(jìn)一步研究的一個(gè)前提。其研究方法都是將已知的酶作為研究對(duì)象，找出一種對(duì)已知酶進(jìn)行準(zhǔn)確識(shí)別的方法，然后推廣到對(duì)未知酶識(shí)別的應(yīng)用中。傳統(tǒng)的酶識(shí)別方法多是采用序列比對(duì)的方法，雖然后人對(duì)這種方法有不斷地改進(jìn)，但是仍需要較大的存儲(chǔ)空間與比對(duì)時(shí)間。近些年，機(jī)器學(xué)習(xí)的方法也開始的應(yīng)用到這個(gè)領(lǐng)域中。支持向量機(jī)（Support Vector Machine，SVM）——一種基于統(tǒng)計(jì)學(xué)理論的機(jī)器學(xué)習(xí)方法，借

2、助自己的無局部最小點(diǎn)和防止過適應(yīng)等優(yōu)點(diǎn)，迅速成為研究的熱點(diǎn)并且在酶識(shí)別領(lǐng)域表現(xiàn)出不錯(cuò)的效果。
　　為了得到好的機(jī)器學(xué)習(xí)效果，機(jī)器學(xué)習(xí)需要研究者根據(jù)實(shí)際問題的不同提出一套完整的機(jī)器學(xué)習(xí)方案。本文以支持向量機(jī)為基礎(chǔ)，采用了一種基于特征提取的機(jī)器學(xué)習(xí)方案，通過選取合適數(shù)量的特征作為訓(xùn)練數(shù)據(jù)形成分類精度最高的酶識(shí)別器。之所以選用特征提取的方法主要是因?yàn)椋涸趯?shí)驗(yàn)中，蛋白質(zhì)的功能域被看做它的特征，并不是所有的功能域都對(duì)形成準(zhǔn)確的分類器起到好的

3、作用，并且我們推測(cè)這些功能域特征中存在噪聲，因此應(yīng)該剔除其中一些起到反作用的特征。
　　基于以上的原因，文中選用了1-rule法和信息增益法兩種特征提取的方法，并且根據(jù)提取出來的特征信息的重要性大小進(jìn)行排序，然后按照排序后的順序選取不同數(shù)目的特征進(jìn)行實(shí)驗(yàn)。為了使實(shí)驗(yàn)結(jié)果更具說服力，文中采取了自檢法和留一法兩種不同的誤差率的評(píng)估方法，可以更全面的同其它方法的結(jié)果進(jìn)行比較。最后通過對(duì)實(shí)驗(yàn)結(jié)果的觀察與分析，這兩種特征提取方法形成的分類器