一种快速准确区分III型、IV型分泌效应蛋白的计算方法

通过Ⅲ型、Ⅳ型、Ⅵ型分泌系统，革兰氏阴性菌可将效应蛋白直接注入宿主体内，并导致宿主感染各种疾病.由于Ⅲ型、Ⅳ型分泌效应蛋白均属非经典分泌蛋白，且它们可能具有相似的序列模体或进化保守性，故两者之间难于区分.基于支持向量机和伪位置特异性得分矩阵，本文提出了一种可快速准确识别革兰氏阴性菌Ⅲ型、Ⅳ型效应蛋白的计算方法.测试集实验结果表明，本方法对Ⅲ型、Ⅳ型效应蛋白具有较好的分类效果，可作为辅助工具用于分泌效应蛋白的进一步研究.     

一种快速准确区分Ⅲ型、Ⅳ型分泌效应蛋白的计算方法

通过Ⅲ型、Ⅳ型、Ⅵ型分泌系统,革兰氏阴性菌可将效应蛋白直接注入宿主体内,并导致宿主感染各种疾病.由于Ⅲ型、Ⅳ型分泌效应蛋白均属非经典分泌蛋白,且它们可能具有相似的序列模体或进化保守性,故两者之间难于区分.基于支持向量机和伪位置特异性得分矩阵,本文提出了一种可快速准确识别革兰氏阴性菌Ⅲ型、Ⅳ型效应蛋白的计算方法.测试集实验结果表明,本方法对Ⅲ型、Ⅳ型效应蛋白具有较好的分类效果,可作为辅助工具用于分泌效应蛋白的进一步研究.     

BOS：一种用于不平衡数据学习的边界过采样方法

不平衡数据遍布于现实生活中许多重要领域,而标准的分类学习算法应对不平衡问题有明显的性能缺陷.为了解决这一问题,提出一种新的少数类边界合成过采样方法BOS.BOS使用新定义的K广义Tomek连接（简称K连接）概念有效定位边界实例,进而基于少数类的K连接分布实现自适应地少数边界合成过采样.实验结果表明,BOS相比已有的几种典型过采样方法提供更优的接受者操作特性曲线下方面积值(AUC),F值(F-Measure)和几何平均值(G-mean).     

基于支持向量机的癌细胞经典分泌蛋白与非经典分泌蛋白识别研究

基于支持向量机算法，本文提出了一种能快速准确区分癌细胞经典分泌蛋白与非经典分泌蛋白的方法.通过严格的特征筛选，氨基酸组成、位置特异性得分矩阵和信号肽组成了最优特征集.测试集检测结果表明，本方法对癌细胞经典分泌蛋白与非经典分泌蛋白具有较强的区分能力，可为寻找到不同种类癌症间通用的生物标志物提供理论参考.