12、蛋白质亚细胞定位预测方法的性能评估

蛋白质亚细胞定位预测方法的性能评估

1. GOASVM的性能

1.1 与Euk - OET - PLoc对比

GOASVM在预测新蛋白质方面明显优于Euk - OET - PLoc。在相关实验中，GOASVM的准确率达到72.20%，而Euk - OET - PLoc仅为55.43%。当允许使用更远缘的同源物在GOA数据库中搜索GO术语时，能提高为每个新蛋白质找到至少一个GO术语的机会，从而提升整体性能。特别是当最远缘的同源物排名为7（kmax = 7）时，GOASVM能为所有新蛋白质找到GO术语，且准确率最高，比仅使用排名最高的同源物时高出近15%。

1.2 与基于其他特征的方法对比

在EU16数据集上，对GOASVM使用不同特征和不同SVM分类器的性能进行了测试，结果如下表所示：
| 分类器 | 特征 | 后处理 | OMCC | WAMCC | ACC |
| — | — | — | — | — | — |
| RBF SVM | AA | 向量范数 | 0.3846 | 0.3124 | 42.30% |
| RBF SVM | AA + PairAA | 向量范数 | 0.4119 | 0.3342 | 44.86% |
| 线性SVM | AA + PairAA + GapAA(48) | 向量范数 | 0.4524 | 0.3797 | 48.66% |
| RBF SVM | PseAA | 向量范数 | 0.4185 | 0.3467 | 45.48% |
| 线性SVM | 轮廓向量 | 几何平均 | 0.5149 | 0.4656 | 54.52% |