[发明专利]一种人类蛋白质亚细胞位置预测方法

摘要

本发明公开了一种人类蛋白质亚细胞位置预测的方法，是利用人类蛋白质的序列来预测该蛋白质的亚细胞位置，基于基因本体论(GO)特征和保守域相关性优化人类蛋白质亚细胞分类算法。首先通过蛋白质的序列获得该蛋白质的序列残基统计特征(氨基酸组成成分特征，归一化的特异性打分矩阵特征)，保守域特征和GO特征；其次，对序列残基统计特征使用CFS特征选择方法提取特征子集，对保守域特征和GO特征通过计算分别得到这些特征的相似性度量，使用带权值的KNN方法计算出概率信息，然后将获得的特征进行整合运用SVM分类器进行分类。

主权项

一种人类蛋白质亚细胞位置预测方法，基于人类蛋白质序列预测蛋白质亚细胞位置，其特征在于，包括以下步骤：第一步：利用人类蛋白质序列信息分别提取序列全长，序列N端，C端多个蛋白质序列片段的残基统计特征，其中包括氨基酸组成成分特征和利用蛋白质同源信息所获得的特异性打分矩阵特征并对该特征进行归一化处理，在综合这两个特征之后使用Correlation‑based Feature Selection这种有监督的特征选择算法进行降维；第二步：通过提取蛋白质数据库中所有人类蛋白质的GO特征，利用GOSSTO获取GO(BP,MF,CC)特征空间三个相似度矩阵；第三步：通过blast方法在Swiss‑Prot数据库中搜索同源蛋白，提取所述同源蛋白的GO特征，同时用相同的方法获取训练集中蛋白质的GO特征；第四步：将蛋白质GO特征的三个部分(BP,MF,CC)通过一元组，二元组，三元组划分为7个部分(BP,MF,CC),(BP&MF,BP&CC,MF&CC),(BP&MF&CC)；第五步：通过蛋白质GO特征的相关性，分成七个部分来计算两个蛋白质的相关性，并通过参数优化，提取训练集中十个相关性高的蛋白质做有权值的KNN方法，获得该蛋白质在每个亚细胞位置上的概率值；第六步：通过rps‑blast来获得Swiss‑Prot数据库中所有人类蛋白质的保守域特征，并通过信息差计算特征之间的相关性，得到保守域特征相似度矩阵，然后通过rps‑blast来获得目标蛋白质的保守域特征来计算两个蛋白质的相关性，并通过参数优化，提取训练集中十个相关性高的蛋白质做有权值的KNN方法，获得该蛋白质在每个亚细胞位置上的概率值；第七步：融合所获得的序列特征，GO七个部分的概率特征，保守域概率特征，使用Binary Relevance策略搭建可以预测中心体，细胞质，细胞骨架，内质网，内体，分泌途径，高尔基体，溶酶体，线粒体，细胞核，过氧化物酶体和细胞膜这12个亚细胞位置的SVM分类器。