一种基于基因本体信息的蛋白质序列表示方法

摘要

本发明涉及一种新的基于基因本体信息的蛋白质序列表示方法，首先使用BLAST程序搜索Swiss‑Prot数据库找到蛋白质序列P所有的相似蛋白质序列，将训练数据集中所有蛋白质输入到GO数据库中，搜寻每个蛋白质所具有的GO本体信息；然后在基因本体库中搜寻P蛋白质所具有的标注基因本体信息；根据预测问题具有的M个标签，将P蛋白质定义为M个元素的离散向量。本方法通过将序列集中的蛋白质GO信息，融合成新的蛋白质P的向量描述，使得采用GO方法维度大大降低，用于蛋白质亚细胞多标签定位预测和抗菌肽功能多标签预测中，能明显提高相关预测器的预测成功率，具有广阔的运用前景。