基于隨機森林的神經(jīng)肽剪切位點預(yù)測方法研究.pdf

1、神經(jīng)肽是一類生物活性多肽，其生物合成過程極其復(fù)雜。無活性的肽前體需要經(jīng)過專一性的酶類剪切修飾，才能具有生理活性。精確識別肽前體的剪切位點是認(rèn)識和研究神經(jīng)肽生物合成的熱點和難點，對多種疾病的病理研究和藥物研制，以及神經(jīng)科學(xué)、腦科學(xué)的發(fā)展具有重要意義。然而以定點突變、質(zhì)譜分析等手段為主的傳統(tǒng)實驗方法不僅耗時耗力，而且準(zhǔn)確度低。近年來，各類生物數(shù)據(jù)爆炸增長，海量的數(shù)據(jù)為解決生物模式識別的問題帶來了機遇和挑戰(zhàn)，基于機器學(xué)習(xí)的生物信息學(xué)方法通過建

2、立統(tǒng)計模型，應(yīng)用學(xué)習(xí)算法，能夠迅速、準(zhǔn)確地發(fā)現(xiàn)隱藏在海量數(shù)據(jù)背后的知識或模式，并以此為依據(jù)做出決策，目前已經(jīng)被廣泛應(yīng)用到基因識別、位點預(yù)測、蛋白質(zhì)結(jié)構(gòu)預(yù)測等多個方向。
　　隨機森林是一種經(jīng)典的集成學(xué)習(xí)算法，具有準(zhǔn)確性高、抗噪性好、不易發(fā)生過擬合等優(yōu)點，因此以該算法構(gòu)建機器學(xué)習(xí)模型來預(yù)測神經(jīng)肽剪切位點。主要工作如下：
　?。?）基于Swiss-Prot蛋白質(zhì)數(shù)據(jù)庫，篩選、整理并構(gòu)建了本地的神經(jīng)肽數(shù)據(jù)庫。
　　（2）對神經(jīng)

3、肽數(shù)據(jù)庫按物種分類，經(jīng)數(shù)據(jù)預(yù)處理、特征提取后得到樣本集。
　?。?）構(gòu)建隨機森林學(xué)習(xí)算法，使用已發(fā)表的相關(guān)文獻(xiàn)中的數(shù)據(jù)集，對算法進(jìn)行訓(xùn)練和測試，調(diào)整和優(yōu)化算法的相關(guān)參數(shù)，對結(jié)果進(jìn)行分析和評價，并與原文獻(xiàn)比較，驗證方法的可行性。
　　（4）使用本地構(gòu)建的神經(jīng)肽數(shù)據(jù)集進(jìn)行實驗，對算法的預(yù)測結(jié)果進(jìn)行統(tǒng)計分析和評價。
　　實驗結(jié)果表明，與相關(guān)文獻(xiàn)的已有結(jié)果相比，由隨機森林算法構(gòu)建的分類模型預(yù)測準(zhǔn)確率提升明顯，且綜合性能指標(biāo)MC