[发明专利]一种蛋白质亚叶绿体多位置预测方法

摘要

本发明公开了一种蛋白质亚叶绿体多位置预测的方法，步骤为：抽取出蛋白质序列的伪氨基酸组成特征，分别为每个亚叶绿体位置训练一个支持向量机分类器；把亚叶绿体位置对于蛋白质样本的归属值追加到蛋白质的特征向量中，使用亚叶绿体位置来扩展蛋白质样本的特征空间；在扩展后的蛋白质特征空间中，利用遗传算法分别为每个亚叶绿体位置选取最优的扩展特征子集；基于每个亚叶绿体位置的最优扩展特征子集，分别训练一个支持向量机分类器；基于所得两组支持向量机分类器对待预测蛋白质进行蛋白质亚叶绿体多位置预测。本发明能够同时预测出蛋白质的多个亚叶绿体位置，且通过融合位置间关系和位置相关特征大幅度地提高了蛋白质亚叶绿体多位置预测的精度。

主权项

一种蛋白质亚叶绿体多位置预测方法，其特征在于，包括以下步骤：步骤1、对于待预测的蛋白质序列和训练数据集，基于蛋白质的氨基酸序列信息，采用伪氨基酸组成方法，抽取出待预测的蛋白质序列和训练数据集中所有蛋白质序列的特征向量，从而构成待预测样本集和训练样本集；步骤2、基于步骤1所构建的原始训练样本集，分别为每个亚叶绿体位置构建新的训练样本集；在每个亚叶绿体位置所对应的新训练样本集中，把属于亚叶绿体位置的蛋白质标记为正样本，不属于亚叶绿体位置的蛋白质标记为负样本；步骤3、基于步骤2所构建的针对每个亚叶绿体位置的新训练样本集，分别训练一个支持向量机预测器；步骤4、对于步骤2构建的每个亚叶绿体位置所对应的新训练样本集的每个蛋白质样本，除了新训练样本集所对应的亚叶绿体位置以外，把其他亚叶绿体位置对于该蛋白质样本的归属值追加到蛋白质样本的特征向量中，蛋白质样本属于某亚叶绿体位置，归属值设为1，否则设为‑1，以扩展蛋白质样本的特征空间，基于上述规则，分别更新每个亚叶绿体位置构建的训练样本集；步骤5、对于步骤4扩展特征空间后的每个训练样本集，使用遗传算法进行特征子集的选择，同时选取出与训练样本集对应的亚叶绿体位置最相关的氨基酸组成特征和其他亚叶绿体位置特征，去除无关和冗余的氨基酸组成特征和其他亚叶绿体位置特征，从而得到与每个亚叶绿体位置相对应的最优扩展特征子空间；步骤6、基于步骤5所得的针对每个亚叶绿体位置的最优扩展特征子空间，分别训练一个支持向量机预测器；步骤7、基于步骤3和步骤6所得的两组支持向量机预测器，对待预测蛋白质进行蛋白质亚叶绿体多位置预测。