一种新的融合遗传信息的蛋白质训练集非平衡问题的解决方法

摘要

本发明提供一种新的融合遗传信息的蛋白质训练集非平衡问题的解决方法，将蛋白质P序列中的保守区氨基酸不变，非保守区域氨基酸按照其PSSM矩阵突变为其它氨基酸概率的大小依次转换成其它氨基酸，这样就可以得到20条含有蛋白质P遗传信息的虚拟蛋白质，对非平衡的数据集中数量少的子集进行扩大，使得非平衡数据集变为平衡数据集，有利于训练相关预测器，可提高预测器的预测成功率。本发明与现有解决非平衡数据方法不同，能融合蛋白质进化信息，直接从序列上进行扩展，而不是在描述序列信息的离散数字模型中进行插值，具有明显的生物学意义，所以能明显提高相关预测器的预测成功率，具有广阔的运用空间。