23、多层面特征的亚细胞定位预测及人类基因组染色质接触域识别

多层面特征的亚细胞定位预测及人类基因组染色质接触域识别

多层面特征的亚细胞定位预测

在蛋白质研究中，预测凋亡蛋白的亚细胞定位是一个重要的课题。研究者通过设计新颖的特征来进行相关预测。

特征相关概念

• GO频率值（GOi） ：GO是一种受控且结构化的本体术语词汇表，用于描述蛋白质在细胞成分（CC）中的定位、参与生物过程（BP）以及分子功能（MF）的信息。对于特定结构域的GO频率值（GOi），是通过统计第i个GO术语在亚细胞蛋白质序列数据集中的出现次数，并将其缩放至[0,1]范围得到的。对于每个蛋白质，GOi表示为一个7125维的向量。如果蛋白质与第j个GO术语相关联，则向量中的第j个元素被赋予频率值1，其余元素设为0。

实验方法

• 性能评估与验证方法 ：在统计预测中，常用的验证方法有留一法测试、独立数据集测试和k折交叉验证等。本研究采用十折交叉验证来验证数据集，并使用ROC曲线下面积作为评估所提出方法可靠性和有效性的标准。
• 分类器选择 ：为了检验分类器的有效性，研究使用上述特征与四种机器学习算法（支持向量机（SVM）、随机森林（RF）、K近邻（KNN）和高斯朴素贝叶斯（GNV））的组合对数据集进行评估。不同分类器在六个不同位置的性能如下表所示：
  | 数据集 | 特征 | AUC分数（CY） | AUC分数（ER） | AUC分数（Me） | AUC分数（Mi） | AUC分数（Nu） | AUC分数（Se） |
  | ---- | ---- | ---- |