蛋白質相互作用預測的集成學習方法研究

《蛋白質相互作用預測的集成學習方法研究》是依託湖南大學，由曹智擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：蛋白質相互作用預測的集成學習方法研究
• 項目類別：青年科學基金項目
• 項目負責人：曹智
• 依託單位：湖南大學

中文摘要

蛋白質是生物功能的直接執行者，而蛋白質相互作用是細胞進行一切代謝活動的基礎，因此，蛋白質相互作用成為了當前蛋白質組研究的一個熱點。這個問題的解決能夠為蛋白質功能的分析、生命發育的探索、有效藥物的開發等提供基礎。本項目將以蛋白質序列特徵為基礎，通過構建蛋白質相互作用標準數據集，預測並評估蛋白質相互作用，最終將構建高質量的蛋白質相互作用網路，用於識別關鍵基因、藥靶及發現複合物和功能模組等套用：根據胺基酸的理化性質，基於模糊理論對20種胺基酸分類，在分類的基礎上結合距離頻率、L-Z 複雜度、字元頻率特徵和字元位置特徵來獲取蛋白質序列信息的特徵值，有效提取蛋白質序列信息；根據多個蛋白質相互作用資料庫篩選正樣本，設計負樣本篩選算法，進而構建蛋白質相互作用標準數據集；基於隨機子空間和特徵映射的集成學習框架，保證預測模型的準確性、泛化能力；基於流形學習的蛋白質相互作用可信度評估，過濾預測結果中的噪聲

結題摘要

蛋白質是生物功能的直接執行者，而蛋白質相互作用是細胞進行一切代謝活動的基礎，因此蛋白質相互作用成為了當前蛋白質組研究的一個熱點。這個問題的解決能夠為蛋白質功能的分析、生命發育的探索、有效藥物的開發等提供基礎。本項目將以蛋白質序列特徵為基礎，通過構建蛋白質相互作用標準數據集，預測並評估蛋白質相互作用，最終將構建高質量的蛋白質相互作用網路，用於識別關鍵基因、藥靶、發現複合物和功能模組等套用：根據胺基酸的理化性質，基於模糊理論對20種胺基酸的分類，在分類基礎上結合距離頻率、L-Z 複雜度、字元頻率特徵和字元位置特徵來獲取蛋白質序列信息的特徵值，有效提取蛋白質序列信息；根據多個蛋白質相互作用資料庫篩選正樣本，設計負樣本篩選算法，進而構建蛋白質相互作用黃金數據集；基於隨機子空間和特徵映射的集成學習框架，保證預測模型的準確性、泛化能力；基於流形學習的蛋白質相互作用可信度評估，過濾預測結果中的噪聲。