[发明专利]一种预测DNA蛋白质结合位点的集成学习方法

摘要

本发明涉及一种预测DNA蛋白质结合位点的集成学习方法，其包括以下步骤：获取DNA结合蛋白质位点的蛋白质序列数据；对DNA结合蛋白质位点的蛋白质序列数据预处理；使用one‑hot编码方式构建输入数据；将提取的特征合并，构建每个蛋白质序列上氨基酸的特征，将其作为输入数据；使用SMOTE算法对正样本数据进行过采样；根据正样本大小将负样本数据分成多份，每份负样本与正样本组合成一个新的数据子集，得到N个数据子集；每个数据子集使用卷积神经网络进行训练；对N个卷积神经网络的结果进行多数投票法集成，从而得到预测结果。本发明解决了不平衡数据情况下的DNA蛋白质结合位点预测问题，提高了预测的准确性。

主权项

1.一种预测DNA蛋白质结合位点的集成学习方法，其特征在于，其包括以下步骤：S1)获取DNA结合蛋白质位点的蛋白质序列数据；S2)对DNA结合蛋白质位点的蛋白质序列数据预处理，包括使用PSI‑BLAST算法提取PSSM的特征；S3)使用one‑hot编码方式构建输入数据；One‑hot编码方式是每个蛋白质序列用20维的特征表示，每个氨基酸占一位，表示1，其余各位为0；S4)将S1和S2提取的特征合并，构建每个蛋白质序列上氨基酸的特征，将其作为输入数据；S5)使用SMOTE算法对正样本数据进行过采样，过采样的数量为正样本的数量大小，所述正样本数据为DNA与蛋白质有结合的位点数据；S6)根据正样本大小将负样本数据分成多份，然后每份负样本与正样本组合成一个新的数据子集，得到N个数据子集；S7)每个数据子集使用卷积神经网络进行训练，所述卷积神经网络包括第一卷积层、第一池化层、第二卷积层、第二池化层和全连接层；S8)对N个卷积神经网络的结果进行多数投票法集成，从而得到最终的预测结果。