基于直推学习的蛋白质亚细胞定位预测预处理方法#曹隽喆，顾宏**510152025303540（大连理工大学控制科学与工程学院，大连116023）摘要：本文提出一种新的蛋白质亚细胞定位预测预处理方法，用于预先鉴定待测蛋白质具有单定位点还是多定位点。基于直推学习技术，该方法同时利用待测蛋白质和已知蛋白质的信息来估计每个待测蛋白质的亚细胞位置数量，从而识别并区分单定位点和多定位点蛋白质，并且利用相应的单标签或多标签分类器来处理各个待测蛋白质以取得高精度的预测结果。该方法的性能在三组蛋白质序列数据集上经行了测试，仿真实验表明本文的方法能有效鉴别出单定位点与多定位点蛋白质，且能有效提高蛋白质亚细胞定位预测的整体精度。关键词：控制理论与控制工程；生物信息学；蛋白质亚细胞定位；单定位点蛋白质；多定位点蛋白质；直推学习中图分类号：TP3-05PretreatmentMethodBasedonTransductiveLlearningforProteinSubcellularLocalizationPredictionCAOJunzhe,GUHong(SchoolofControlScienceandEngineering,DalianUniversityofTechnology,Dalian116023)Abstract:Inthispaper,anewpretreatmentmethodisproposedtoidentifywhetheraqueryproteinissingleplexormultiplexinadvanceforimprovingthequalityofproteinsubcellularlocalizationprediction.Basedonthetransductivelearningtechnique,thisapproachutilizestheinformationfromthebothqueryproteinsandknownproteinstoestimatethesubcellularlocationnumberofeveryqueryproteinsothatthesingleplexandmultiplexproteinscanberecognizedanddistinguished,andtheneachqueryproteinisdealtwithbyatargetedsingle-labelormulti-labelpredictortoachieveahigh-accuracypredictionresult.Theperformanceoftheproposedapproachisassessedbyapplyingittothreegroupsofproteinsequencesdatasets.Simulationexperimentsshowthattheproposedapproachcaneffectivelyidentifythesingleplexandmultiplexproteins,andthereliablyofthismethodforimprovingtheoverallaccuracyofpredictingproteinsubcellularlocalizationcanalsobeverified.Keywords:controltheoryandcontrolengineering;bioinformatics;proteinsubcellularlocalization;singleplexprotein;multiplexprotein;transductivelearning0引言蛋白质亚细胞定位预测是目前生物信息学中一个重要的研究课题，基于计算技术和蛋白质序列信息，人们提出了许多方法用于预测蛋白质亚细胞位置[1]。目前绝大部分相关研究都是建立在“每个蛋白质只存在于一个亚细胞位置中”这样一个传统的生物学观点基础之上，这样的蛋白质也称为单定位点蛋白质（SingleplexProteins）。但最近的研究表明[2]，有很多具有特殊的生物功能的蛋白质能够同时存在于多个亚细胞位置中，这类蛋白质被称为多定位点蛋白质（MultiplexProteins）。由于多定位点蛋白质具有多个亚细胞位置，传统的只针对单定位点蛋白质的预测方法无法完整预测出多定位点蛋白质全部的亚细胞位置，因此发展出---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---基金项目：高等学校博士学科点专项科研基金资助课题(20120041110008)作者简介：曹隽喆（1984-），男，博士，主要研究方向：生物信息学、机器学习通信联系人：顾宏（1961-），男，教授，机器学习，数据挖掘，生物信息学.guhong@dlut.edu.cn-1----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---一种方法能同时对单定位点和多定位点蛋白质的亚细胞位置进行预测，成为了目前该领域的一个新挑战。455055602007年，Chou和Shen基于多标签学习算法开发了一个名为Euk-mPLoc[3]的预测器，首次可以对真核多定位点蛋白质的亚细胞位置进行预测。在2010年，他们进一步发布了一个网络服务器Cell-PLoc2.0[4]，包含了6个针对不同物种蛋白质的在线预测器。最近，一些基于多标签学习算法的具有更先进功能的新预测器[5-7]也被发布，能够用于同时处理单定位点和多定位点蛋白质。然而在实际应用中，由于在设计算法时需要同时考虑上述两类蛋白质的...