面向蛋白质功能位点识别的机器学习平台构建

摘要

有关蛋白质功能的研究是解析生命奥秘的基础,机器学习技术在该领域已有广泛应用.利用支持向量机(support vector machine,SVM)方法,构建一个预测蛋白质功能位点的通用平台.该平台先提取非同源蛋白质序列,再对这些序列进行特征编码(包括序列的基本信息、物化特征、结构信息及序列保守性特征等),以编码好的样本作为训练数据,利用SVM进行训练,得到敏感性、特异性、Matthew相关系数、准确率及ROC曲线等评价指标,反复测试,得到评价指标最优的SVM模型后,便可以用来预测蛋白质序列上的功能位点.该平台除了应用在预测蛋白质功能位点之外,还可以应用于疾病相关单核苷酸多态性(SNP)预测分析、预测蛋白质结构域分析、生物分子间的相互作用等.