基于集成改进ELM的蛋白质结晶偏好预测

摘要

由于基于蛋白质结晶的X射线晶体成像技术存在成功率较低的问题，因此引入计算方法筛选容易结晶的蛋白质序列对于节约测定蛋白质序列实现成本意义重大。该文提出一种基于旋转森林的集成极端学习机分类方法，用以提高蛋白质结晶偏好预测的准确性。选择蛋白质序列及序列衍生的信息和蛋白质相关的物理、化学等性质在内的20个特征作为分类特征，采用旋转森林增加集成极端学习机基分类器之间的差异性。实验结果表明，该文方法具有较高预测精度。