基于隨機森林的神經肽剪切位點預測方法研究.pdf

1、神經肽是一類生物活性多肽，其生物合成過程極其復雜。無活性的肽前體需要經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識和研究神經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，以及神經科學、腦科學的發(fā)展具有重要意義。然而以定點突變、質譜分析等手段為主的傳統(tǒng)實驗方法不僅耗時耗力，而且準確度低。近年來，各類生物數據爆炸增長，海量的數據為解決生物模式識別的問題帶來了機遇和挑戰(zhàn)，基于機器學習的生物信息學方法通過建

2、立統(tǒng)計模型，應用學習算法，能夠迅速、準確地發(fā)現隱藏在海量數據背后的知識或模式，并以此為依據做出決策，目前已經被廣泛應用到基因識別、位點預測、蛋白質結構預測等多個方向。
　　隨機森林是一種經典的集成學習算法，具有準確性高、抗噪性好、不易發(fā)生過擬合等優(yōu)點，因此以該算法構建機器學習模型來預測神經肽剪切位點。主要工作如下：
　　（1）基于Swiss-Prot蛋白質數據庫，篩選、整理并構建了本地的神經肽數據庫。
　?。?）對神經

3、肽數據庫按物種分類，經數據預處理、特征提取后得到樣本集。
　?。?）構建隨機森林學習算法，使用已發(fā)表的相關文獻中的數據集，對算法進行訓練和測試，調整和優(yōu)化算法的相關參數，對結果進行分析和評價，并與原文獻比較，驗證方法的可行性。
　?。?）使用本地構建的神經肽數據集進行實驗，對算法的預測結果進行統(tǒng)計分析和評價。
　　實驗結果表明，與相關文獻的已有結果相比，由隨機森林算法構建的分類模型預測準確率提升明顯，且綜合性能指標MC