18、蛋白质接触图预测与基因树校正算法研究

蛋白质接触图预测与基因树校正算法研究

蛋白质接触图预测方法 LRcon

在蛋白质结构研究中，预测蛋白质接触图对于理解蛋白质的三维结构至关重要。然而，当前计算方法的准确性较低。为了提高蛋白质接触图预测的准确性，研究者开发了一种基于逻辑回归的改进序列蛋白质接触图预测方法 LRcon。

LRcon 架构与残基对选择

LRcon 的整体架构在训练过程中，基于多个个体预测器构建共识预测器。对于长度为 L 的蛋白质，若使用所有满足序列分离条件的残基对进行训练，会面临两个问题：一是大量训练样本会导致计算时间过长，无法合理估计回归系数；二是大部分残基对属于负类，少量正样本会使预测严重偏向负类，降低 LRcon 的性能。

因此，研究者提出使用每个组件预测器的前 λL 预测对应的残基对的并集。对于第 k 个预测器返回的前 λL 残基对集合记为 Rk，选择用于训练和测试 LR - Predictor 的残基对取自集合 RLR = ⋃(k = 1 到 p) Rk。

实验结果

在 CASP9 数据集 D80 上，采用 10 折交叉验证来估计 LR 的回归系数并评估 LRcon 的性能。对于前 0.1L 预测，平均准确率、覆盖率和 F - 度量的结果显示，LRcon 优于所有组件预测器以及简单的平均和投票方案。在长程接触预测方面，难度明显高于短程和中程接触预测。对于前 0.2L 预测，LRcon 同样表现出色。

通过统计显著性检验发现：平均方案表现优于投票方案；平均和投票方案都无法在所有情况下优于所有组件预测器；而 LRcon 始终优于其他所有预测器。

在 D856 数据集上，将 856 条蛋白质链随