基于上下采樣的幾種蛋白質(zhì)翻譯后修飾位點(diǎn)的預(yù)測(cè).pdf

1、本文主要針對(duì)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(jìn)行相關(guān)研究，主要成果如下:
　　(1)針對(duì)蛋白質(zhì)S-亞磺?；稽c(diǎn)的預(yù)測(cè)準(zhǔn)確率偏低的問題，本文提出了基于OSSU-SMOTEO重采樣的S-亞磺酰化位點(diǎn)預(yù)測(cè)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(jìn)行特征提取;然后，把OSSU-SMOTEO重采樣方法用于平衡訓(xùn)練數(shù)據(jù)集;最后，基于10折交叉驗(yàn)證選擇最優(yōu)特征組合建立預(yù)測(cè)模型S-SulfPred。實(shí)驗(yàn)

2、結(jié)果表明，本文構(gòu)建的預(yù)測(cè)模型S-SulfPred對(duì)蛋白質(zhì)S-亞磺酰化位點(diǎn)的識(shí)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(diǎn)預(yù)測(cè)問題中，同時(shí)利用具體位置氨基酸含量、K間隔氨基酸對(duì)、氨基酸成分和氨基酸疏水親水性四種編碼方案進(jìn)行特征提取。通過與預(yù)測(cè)模型PTMPred、CarSpred、predCar-site和CarSPred.Y在相同的數(shù)據(jù)集上進(jìn)行對(duì)比，本文建立的預(yù)測(cè)模型CarSite明顯優(yōu)于其他四種預(yù)測(cè)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(fù)雜的生命活動(dòng)中扮演著重要角色。由于實(shí)驗(yàn)方法鑒定O-糖基化位點(diǎn)費(fèi)時(shí)費(fèi)力，并且費(fèi)用昂貴，所以本文構(gòu)建了O-糖基化位點(diǎn)預(yù)測(cè)的集成模型O-GlcNAcPRED-Ⅱ。通過搜索文獻(xiàn)和最新的數(shù)據(jù)庫(kù)，建立了最新的基準(zhǔn)數(shù)據(jù)集。針對(duì)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(jié)合的采樣方法(KPCA-FUS)，并采用隨機(jī)森林、K近鄰、樸素貝葉斯和支持向量機(jī)作為旋轉(zhuǎn)森林的基分類器