【技術實現步驟摘要】
【技術保護點】
一種基于多核學習與Boosting算法的蛋白質?DNA綁定位點預測方法，其特征在于，包括以下步驟：步驟1：特征提取，使用PSI?BLAST與SANN程序分別提取蛋白質序列的進化信息特征和溶劑可及性特征，在此基礎上使用滑動窗口技術構建每一個氨基酸殘基的特征向量，每個殘基有兩個對應著兩種不同的信息來源的特征向量；步驟2：特征融合，使用基于線性核的多核學習算法對上述步驟1中的兩個特征向量進行評估，得到相應的權重信息，并根據權重進行加權串行組合得到最終的樣本特征向量；步驟3：使用隨機下采樣技術，對非綁定位點殘基進行多次下采樣，得到多個非綁定位點樣本子集，將每一個非綁定位點樣本子集與綁定位點樣本集合并后訓練一個SVM預測模型，得到多個SVM預測模型；以及步驟4：使用Boosting提升算法，將步驟3中得到的多個SVM預測模型進行集成，得到最終的蛋白質?DNA綁定位點預測模型，用于預測樣本是否為DNA綁定位點；步驟5、對于待預測蛋白質序列，采用所述步驟1的方式進行特征提取和步驟2的方式進行特征融合，然后輸入步驟4中所最終得到的蛋白質?DNA綁定位點預測模型，預測出蛋白質?DNA綁定位點。
【技術特征摘要】
【專利技術屬性】
技術研發人員：於東軍，胡俊，李陽，沈紅斌，楊靜宇，
申請(專利權)人：南京理工大學，
類型：發明
國別省市：江蘇;32
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。