【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。