基于上下采樣的幾種蛋白質(zhì)翻譯后修飾位點的預測.pdf

1、本文主要針對蛋白質(zhì)翻譯后修飾中出現(xiàn)的數(shù)據(jù)集不平衡問題進行相關研究，主要成果如下:
　　(1)針對蛋白質(zhì)S-亞磺?；稽c的預測準確率偏低的問題，本文提出了基于OSSU-SMOTEO重采樣的S-亞磺?；稽c預測模型S-SulfPred。首先，利用具體位置氨基酸含量和67種氨基酸理化性質(zhì)進行特征提取;然后，把OSSU-SMOTEO重采樣方法用于平衡訓練數(shù)據(jù)集;最后，基于10折交叉驗證選擇最優(yōu)特征組合建立預測模型S-SulfPred。實驗

2、結果表明，本文構建的預測模型S-SulfPred對蛋白質(zhì)S-亞磺?；稽c的識別是有效的。
　　(2)首次將單邊選擇下采樣方法用于人類蛋白質(zhì)羰基化位點預測問題中，同時利用具體位置氨基酸含量、K間隔氨基酸對、氨基酸成分和氨基酸疏水親水性四種編碼方案進行特征提取。通過與預測模型PTMPred、CarSpred、predCar-site和CarSPred.Y在相同的數(shù)據(jù)集上進行對比，本文建立的預測模型CarSite明顯優(yōu)于其他四種預測模型

3、。
　　(3)O-糖基化作為一種主要的蛋白質(zhì)翻譯后形式，在復雜的生命活動中扮演著重要角色。由于實驗方法鑒定O-糖基化位點費時費力，并且費用昂貴，所以本文構建了O-糖基化位點預測的集成模型O-GlcNAcPRED-Ⅱ。通過搜索文獻和最新的數(shù)據(jù)庫，建立了最新的基準數(shù)據(jù)集。針對數(shù)據(jù)的極度不平衡，本文提出了K均值主成分分析與模糊下采樣相結合的采樣方法(KPCA-FUS)，并采用隨機森林、K近鄰、樸素貝葉斯和支持向量機作為旋轉森林的基分類器