[发明专利]基于集成分类器的TA蛋白靶向预测方法

权利要求书

1.基于集成分类器的TA蛋白靶向方法，其特征在于，包括以下步骤：

(1)通过对蛋白质blast序列产生的PSSM矩阵信息编码；

(2)Bayes特征提取：利用基于互信息的最大相关最小冗余mRMR的特征选择算法对数据库中多关系进行特征选择，在每个关系表中都选择出对分类帮助最大的特征子集，根据贝叶斯方法，求出每个氨基酸在每个位置发生的概率；

(3)对提取得到的不同特征特征值进行归一化处理，使所有值都落入相同的数字取值区间内；

(4)利用训练学习后的集成模型进行分类，采用投票的方式选择出最终的分类结果。

2.如权利要求1所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(1)中，位置频率(P)矩阵为：

N＝20，i为行号，j为列号，即：i∈(1,2,…,N)，j∈(1,2,…,N)，且i是指示函数。

3.如权利要求1或2所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(1)中，

PSSM中的元素对数似然值为：

M_k,j＝log₂(M_k,j/b_k)

4.如权利要求1所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(2)Bayes特征提取：先验概率：S＝s₁,s₂,...,s_n表示缩氨酸序列，s表示氨基酸。假设有两类样本，用C₁和C_-1表示：

表示在m条序列中氨基酸的概率，其中，表示所有正负样例中位置i的序列A发生的概率；

c₁和c_-1分别表示数据的标签，则根据贝叶斯方法：

5.如权利要求3所述的基于集成分类器的TA蛋白靶向方法，其特征在于，

P(c₁)和P(c_-1)分别表示每个类别的先验概率，假设s之间相互独立，则：

6.如权利要求1所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(3)中，采用如下公式归一化所有特征：

其中，x,x_min,x_max分别表示输入数据值，特征向量中的最小值、最大值；x'表示在归一化处理后的输出值；如果某个特征向量中的一些数值x_max-x_min＝0，将其取值设定为0。

7.如权利要求1所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(4)中集成模型由SVM、NB、RF、Logist、KNN五种弱分类器构成。

8.根据权利要求5所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述SVM分类选择径向基核函数：

K(S_i,S_j)＝exp(-γ||S_i-S_j||²)

其中，S_i,为原空间的样例，S_j为映射后空间的样例，在训练分类过程中，基于网格方式对参数γ和惩罚系数C进行优化。

9.如权利要求1所述基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(4)中，基本分类器的整合方式有两个层次：抽象层次和排位层次；所述抽象层次：每个基本分类器只提供一个目标分类或者目标分类子集；所述排位层次：每个基本分类器提供一个可能的目标分类列表，其中的目标分类按照可能性大小排列。

10.如权利要求1所述的基于集成分类器的TA蛋白靶向方法，其特征在于，所述步骤(4)中，投票法的基本思想是多个基本分类器都进行分类预测，然后根据分类结果用简单投票和/或贝叶斯投票的原则进行投票表决。