[发明专利]基于预测加权整合的农作物潜在过敏原检测实现方法

摘要

一种基于预测加权整合的农作物潜在过敏原检测实现方法，利用规范化的加权平均分(WAS，weighted average of the normalized scores)整合基于序列相似性的FAO/WHO规则1、规则2预测方法和基于SVM的PREAL算法，增加预测的性能和覆盖范围，通过把序列、二级结构等层面信息尽可能全面地引入我们的模型，我们可以更清楚地将过敏原与非过敏原区别开来，从而达到提高预测精确度的效果。

主权项

一种基于预测加权整合的农作物潜在过敏原检测实现方法，其特征在于，包括以下步骤：步骤一，构建过敏原蛋白作为训练正集、非过敏原蛋白作为训练负集；步骤二，使用FAO/WHO预测方法和PREAL算法对训练正负集的蛋白进行潜在致敏性预测；步骤三，对步骤二所得到的预测结果根据不同的预测方法赋予权重，并计算加权预测结果值WAS；步骤四，根据步骤三得到的训练正集和训练负集蛋白的WAS值进行预测测试，然后计算其10‑折叠交叉验证的性能参数，并通过绘制准确率‑敏感度曲线确定建议阈值；步骤五，对待测蛋白采用步骤二至步骤四的计算得到其加权预测结果值，当高于所述建议阈值，则认为该蛋白更可能为过敏原蛋白；所述的预测是指：针对每个蛋白评估其在FAO/WHO规则1、FAO/WHO规则2以及PREAL规则下的过敏判断结果，当规则1预测该蛋白为过敏原时则评价为1，非过敏原打分为0；FAO/WHO规则2的打分标准与FAO/WHO规则1相同；在PREAL规则下的打分区间为(0，1)且分值越接近1表示越可能是过敏原；所述的权重是指：当Ci＝1时，Wi＝1‑Pni；当Ci＝0时，Wi＝1‑Ppi，其中：i为预测方法的编号，且i为1、2、3；Pni是大于Si的所有样本中，是非过敏原的比例，Ppi是小于Si的所有样本中，是过敏原的比例；Si是当前蛋白用第i个方法时获得的打分；Ci表示当前蛋白是过敏原还是非过敏原，过敏原为1，非过敏原为0；所述的加权预测结果是指：计算每个蛋白的加权预测结果值；所述的10‑折叠交叉验证性能参数包括：敏感度、特异性和准确率；所述的建议阈值，通过绘制准确率‑敏感度曲线，根据曲线顶点确定，该准确率‑敏感度曲线的纵坐标为WAS值，横坐标为敏感度。