膜蛋白分类中的特征提取算法和分类算法

摘要

膜蛋白通常被分为以下五类：1）第一类单次跨膜蛋白；2）第二类单次跨膜蛋白；3）多次跨膜蛋白；4）脂链锚定蛋白；5）GPI锚定膜蛋白。在这篇文章中，基于支持向量机（SVM）算法的应用，定义了一种新颖的膜蛋白序列特征提取算法，这种算法结合了基础的氨基酸组成、氨基酸残基的6种不同物理化学属性和这些属性在序列方面表现出的相关性。实验结果证明，这种新型的特征提取算法在膜蛋白类型预测中可以提高预测精度。文中定义了一系列氨基酸残基指数的自相关系数（实验结果表示系数阶数越高并不意味预测的精度越好，故本文定义了25阶的自相关系数），通过它们来表征多肽链序列方面的信息。新算法对膜蛋白结构和功能信息的进一步挖掘，在自适应测试、jackknife测试以及独立数据集测试中都有比较高的预测精度。对比实验结果表明，考虑所有25阶的自相关系数构成特征向量，由于存在干扰，分类结果并不比只取其中最大的三个分量构成的特征向量分类效果好。因此，特征向量的维度可以适当降低，从而有效地减少了计算量。