基于蛋白质二级序列的关联多分类算法

摘要

蛋白质二级结构预测是公认的生物信息学领域的国际性难题.以基于内在认知机理的知识发现理论(knowledge discovery theory based on inner cognitive mechanism,KDTICM)理论的扩展性研究与数据库中的知识发现(knowledge discovery in database*,KDD*)模型为基础,提出一种基于结构序列的多分类算法--SAC(structural association classification),可以有效地解决蛋白质二级结构预测问题.该算法借助设定支持度阈值的精化知识库的方法,其预测准确率能够超过85%.以该算法为核心,构建了一个蛋白质二级预测模型--复合金字塔模型.实验证明,在RS126、CB513、ILP数据集上的预测准确率均超过80%,超过目前已知的国际主流水平.