换一批基于机器学习的枯草芽孢杆菌信号肽分泌效率预测
Machine learning-based prediction of secretory efficiency of signal peptides in Bacillus subtilis
摘要针对信号肽引导异源蛋白分泌效率规律性差的问题,使用枯草芽孢杆菌来源信号肽引导异源蛋白分泌的相关数据建立8个数据集,基于支持向量机和随机森林算法构建信号肽分泌效率预测模型.通过数据集、序列特征以及算法的不同组合,共建立458个分类模型和228个回归模型.其中,使用随机森林算法在α-淀粉酶数据集上获得最佳分类效果,准确度可以达到83.21％;随机森林回归算法在α-淀粉酶数据集中获得效果最好的回归模型,该模型的决定系数为0.43.此外,还分析了高分泌效率和低分泌效率信号肽的氨基酸组成和GC3含量(G和C出现在密码子第3个位置的频率)的差异,发现高分泌效率的信号肽具有较多的不折叠氨基酸且具有较高的GC3含量.研究实现了对信号肽分泌效率的预测,并且探究了影响信号肽分泌效率的因素.
更多相关知识
关键词
信号肽分泌效率支持向量机随机森林枯草芽孢杆菌signal peptidessecretion efficiencysupport vector machineRandom ForestBacillus subtilis
分类号
Q936（微生物生物化学）
栏目名称
DOI
10.3969/j.issn.2095-1736.2025.05.067
发布时间
2025-10-30（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
