基于特征提取的酶識別問題研究.pdf

1、在生物信息學中，將酶從蛋白質(zhì)識別出來一直是對酶進行進一步研究的一個前提。其研究方法都是將已知的酶作為研究對象，找出一種對已知酶進行準確識別的方法，然后推廣到對未知酶識別的應用中。傳統(tǒng)的酶識別方法多是采用序列比對的方法，雖然后人對這種方法有不斷地改進，但是仍需要較大的存儲空間與比對時間。近些年，機器學習的方法也開始的應用到這個領域中。支持向量機（Support Vector Machine，SVM）——一種基于統(tǒng)計學理論的機器學習方法，借

2、助自己的無局部最小點和防止過適應等優(yōu)點，迅速成為研究的熱點并且在酶識別領域表現(xiàn)出不錯的效果。
　　為了得到好的機器學習效果，機器學習需要研究者根據(jù)實際問題的不同提出一套完整的機器學習方案。本文以支持向量機為基礎，采用了一種基于特征提取的機器學習方案，通過選取合適數(shù)量的特征作為訓練數(shù)據(jù)形成分類精度最高的酶識別器。之所以選用特征提取的方法主要是因為：在實驗中，蛋白質(zhì)的功能域被看做它的特征，并不是所有的功能域都對形成準確的分類器起到好的

3、作用，并且我們推測這些功能域特征中存在噪聲，因此應該剔除其中一些起到反作用的特征。
　　基于以上的原因，文中選用了1-rule法和信息增益法兩種特征提取的方法，并且根據(jù)提取出來的特征信息的重要性大小進行排序，然后按照排序后的順序選取不同數(shù)目的特征進行實驗。為了使實驗結(jié)果更具說服力，文中采取了自檢法和留一法兩種不同的誤差率的評估方法，可以更全面的同其它方法的結(jié)果進行比較。最后通過對實驗結(jié)果的觀察與分析，這兩種特征提取方法形成的分類器