换一批集成改进KNN算法预测蛋白质亚细胞定位
Prediction of protein subcellular locations by ensemble of improved K-nearest neighbor
摘要基于Adaboost算法对多个相似性比对K最近邻(K-nearest neighbor,KNN)分类器集成实现蛋白质的亚细胞定位预测.相似性比对KNN算法分别以氨基酸组成、二肽、伪氨基酸组成为蛋白序列特征,在KNN的决策阶段使用Blast比对决定蛋白质的亚细胞定位.在Jackknife检验下,Adaboost集成分类算法提取3种蛋白序列特征,3种特征在数据集CH317和Gram1253的最高预测成功率分别为92.4％和93.1％.结果表明Adaboost集成改进KNN分类预测方法是一种有效的蛋白质亚细胞定位预测方法.
更多相关知识
关键词
亚细胞区间蛋白序列特征K-nearest neighborbasic local alignment search toolAdaboostsubcellular locationsprotein sequence characteristicsK-nearest neighborbasic local alignment search tool (Blast)Adaboost
栏目名称
DOI
10.13345/j.cjb.160389
发布时间
2017-05-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
Fundamental Research Funds for the Central Universities（(KYZ201668)）
Natural Science Foundation of Jiangsu Province（(BK2012363)）
National Science and Technology Support Program Project （(No.2015BAK36B05)）
中央高校基本科研业务费专项资金（(KYZ201668)）
江苏省自然科学基金（(BK2012363)）
国家科技支撑计划（(2015BAK36B05)）
- 浏览138
- 被引11
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
