[发明专利]一种用于蛋白质功能预测的层级多标签分类方法

摘要

一种用于蛋白质功能预测的层级多标签分类方法，涉及生物信息学及数据挖掘领域，尤其涉及一种用于蛋白质功能预测的层级多标签分类方法。本发明要为解决现有分类方法用于预测蛋白质功能时，存在数据集不平衡问题、多标签问题和层级约束问题。本发明所述方法按以下步骤进行：一、训练阶段：在训练阶段针对类标签层级结构中的每个节点的数据集采用一个SVM分类器进行训练，得到一组基础分类器；二、预测阶段：在预测阶段首先使用训练阶段获得的这组基础分类器得出未知样本的初步结果，而后采用带权重的TPR算法对结果进行处理，得到满足层级约束条件的最终结果，实现对蛋白质功能的预测。本发明应用于生物信息学及数据挖掘领域。

主权项

1.一种用于蛋白质功能预测的层级多标签分类方法，其特征在于按以下步骤进行：针对蛋白质功能预测的层级多标签分类方法分为训练和预测两个阶段：一、训练阶段在训练阶段针对类标签层级结构中的每个节点的数据集采用一个SVM分类器进行训练，得到一组SVM分类器，这组分类器被称为基础分类器，其中SVM为支持向量机；一.一、将已知功能的蛋白质作为训练样本，构成训练集，并将每个蛋白质表示成一个多维的向量，向量中的每个元素都被称为一个属性；一.二、GO注释方案中的每个节点表示一个类标签，针对GO注释方案中的每个节点，首先将训练集中的各样本，按照改进的sibling原则构造正样本集和负样本集；一.三、采用混合采样技术，即采用少类样本过采样与多类样本欠采样相结合的方式解决数据集不平衡问题；一.四、针对GO注释方案中的每个节点，对相应的数据集进行样本的属性选择，选择对该节点的功能进行分类时贡献较大的属性；一.五、针对GO注释方案中的各个节点，采用SVM分类器对各个节点的数据集进行训练，得到一组SVM分类器；二、预测阶段未知样本是指功能未知的蛋白质样本，按照表示训练样本的方式，将每个未知样本表示成一个多维向量；在预测阶段首先使用训练阶段获得的这组基础分类器得出未知样本的初步结果，而后采用带权重的TPR算法对结果进行处理，得到满足层级约束条件的最终结果；二.一、在训练阶段，每个节点对应一个分类器，GO注释方案中所有节点得到一组分类器；使用训练阶段得到的一组SVM分类器对未知样本进行分类预测，得到一组初步SVM分类结果；二.二、使用Platt提出的sigmoid方法来将这组SVM分类结果转化为后验概率值；二.三、使用针对有向无环图层级结构的带权重的TPR集成算法，在保证最终的预测结果满足有向无环图层级约束要求的前提下，实现蛋白质功能的预测。