基于投票表决特征融合的蛋白质结构类预测

根据氨基酸的物化特性,基于氨基酸组成成分与氨基酸残基指数自相关函数相结合特征提取法,从非同源蛋白质序列中提取7个特征集(COMP、FINA、MAXF、NAKH、BIOV、OOBM、RICJ),采用有先验知识的投票表决特征融合算法融合这7个特征集,对蛋白质结构类进行预测.结果表明,投票表决融合算法的预测总精度及每一类别的预测精度与7个特征集相比较均有不同程度的提高,说明投票表决融合算法在一定程度上能较多地反映蛋白质的空间结构信息.     

基于一种动态特征选择融合算法的蛋白质结构类预测

本文根据氨基酸理化性质，基于氨基酸组成成分与自相关函数相结合特征提取法从非同源蛋白质序列中提取七个特征集，采用局部正确性的动态特征选择算法进行多特征组合来预测蛋白质结构类，并与各个特征集进行了比较。结果表明，DFS_LA算法的预测总精度较各个特征集均有不同程度的提高。Jackknife检验下，DFS_LA算法的预测总精度为82．80％，比COMP特征集提高8．91％；独立测试检验下，DFS_LA算法的预测总精度为86．67％，比COMP特征集提高11．67％。这说明DFS_A算法可有效提高结构类预测精度，多特征组合能在一定程度上更多地反映蛋白质的空间结构信息。