加权K近邻算法在蛋白质功能预测中的应用  

Application of weighted K nearest neighbor method in protein function prediction

作　　者：贾伟峰[1] 廖波[1] 李希[1] 

机构地区：[1]湖南大学计算机与通信学院,长沙市410082

出　　处：《微计算机信息》2010年第36期172-173,共2页Control & Automation

基　　金：基金申请人:廖波;项目名称:蛋白质组信息分析及应用算法研究;基金颁发部门:国家自然科学基金委(60973082);基金申请人:廖波;项目名称:肿瘤蛋白质组学方法研究;基金颁发部门:湖南省科技厅(2009FJ3195)

摘　　要：针对蛋白质序列与所属类别往往是多对多的关系,提出了一种新的基于加权K近邻(KNN)的蛋白质功能预测算法。该算法从蛋白质序列出发,与分组重量编码(Encoding Based on Grouped Weight,简记为EBGW)相结合,并为未知蛋白质序列的近邻赋予一定的权重。对比实验的结果表明,此基于加权KNN的功能预测算法可有效的应用于蛋白质的功能预测。Since the relationships between the protein sequences and their respective classes might be multi to multi,this paper presents a novel K nearest neighbor based method for protein function prediction. From protein sequences,the prediction method is associated with the encoding based on grouped weight （EBGW） to give certain weights to neighbor proteins. The experimental results indicate that the prediction method achieve high efficiency to assign function to unknown protein.

关 键 词：数据挖掘 分组重量编码 K近邻 权重 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]