【技术实现步骤摘要】
【技术保护点】
一种基于多核学习与Boosting算法的蛋白质‑DNA绑定位点预测方法，其特征在于，包括以下步骤：步骤1：特征提取，使用PSI‑BLAST与SANN程序分别提取蛋白质序列的进化信息特征和溶剂可及性特征，在此基础上使用滑动窗口技术构建每一个氨基酸残基的特征向量，每个残基有两个对应着两种不同的信息来源的特征向量；步骤2：特征融合，使用基于线性核的多核学习算法对上述步骤1中的两个特征向量进行评估，得到相应的权重信息，并根据权重进行加权串行组合得到最终的样本特征向量；步骤3：使用随机下采样技术，对非绑定位点残基进行多次下采样，得到多个非绑定位点样本子集，将每一个非绑定位点样本子集与绑定位点样本集合并后训练一个SVM预测模型，得到多个SVM预测模型；以及步骤4：使用Boosting提升算法，将步骤3中得到的多个SVM预测模型进行集成，得到最终的蛋白质‑DNA绑定位点预测模型，用于预测样本是否为DNA绑定位点；步骤5、对于待预测蛋白质序列，采用所述步骤1的方式进行特征提取和步骤2的方式进行特征融合，然后输入步骤4中所最终得到的蛋白质‑DNA绑定位点预测模型，预测出蛋白质‑DNA绑定位点。
【技术特征摘要】
【专利技术属性】
技术研发人员：於东军，胡俊，李阳，沈红斌，杨静宇，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。