基于不平衡學習的蛋白質(zhì)-維生素綁定位點預測研究.pdf

1、維生素是許多酶反應(yīng)中的重要輔酶因子，是人體代謝活動中必不可少的有機化合物。酶是具有生物催化功能的生物大分子，主要由蛋白質(zhì)組成，對于生物化學變化起催化作用。在健康的人體內(nèi)，維生素通過與酶分子在合適的綁定位點進行綁定，參與到人體的生化反應(yīng)中。但對于病人而言，維生素與酶的位點綁定活動不能正常的進行。這些酶便成了許多疾病的藥物靶點，因此研究蛋白質(zhì)與維生素的綁定位點預測問題對于生物制藥等相關(guān)行業(yè)具有非常重要的意義。但是傳統(tǒng)的實驗室測定方式存在實驗

2、工作量大、周期長、代價高等缺點，傳統(tǒng)的實驗室測定的方式已不能滿足當下行業(yè)發(fā)展的迫切需求，利用智能計算方法來預測維生素作用位點能夠提高實驗效率，因此當前這類研究具有相當重要的意義。
　　本文主要研究蛋白質(zhì)與維生素綁定位點預測問題，由于綁定位點與非綁定位點之間數(shù)量上相差很大，使得該問題成為一個不平衡學習問題。結(jié)合不平衡學習問題的特性以及蛋白質(zhì)與維生素綁定位點預測的特殊性，本文提出了一種基于K-means算法的改進的下采樣方法，稱之為M

3、US方法，本文將該方法與AdaBoost集成技術(shù)結(jié)合在一起建立了一個蛋白質(zhì)與維生素綁定位點預測的模型，稱作MUS_Vita_AdaBoost。由于不同種類的維生素與蛋白質(zhì)作用的差異性，本文對維生素A、維生素B、維生素B6以及不區(qū)分類別的維生素集合分別進行實驗，實驗中我們將蛋白質(zhì)的LogisticPSSM特征和PSS特征組合在一起，在實驗中MUS_Vita_AdaBoost模型取得了較為理想的效果。同時，在與其他相關(guān)模型相比較時，本文提出