结合ICA和SVM进行蛋白质氧链糖基化位点的预测  

Prediction of the Protein O-Glycosylation by Support Vector Machine Based on Independent Component Analysis

作　　者：杨雪梅[1] 

机构地区：[1]咸阳师范学院数学与信息科学学院,咸阳712000

出　　处：《计算机与数字工程》2012年第8期32-34,41,共4页Computer & Digital Engineering

基　　金：陕西省教育厅科学研究计划项目(编号:No.11JK1050)资助

摘　　要：为了提高蛋白质氧链糖基化位点的预测准确率,提出了把独立成分分析和支持向量机相结合的方法。实验样本(蛋白质序列)用稀疏编码方式编码,窗口长度为w=21,对于训练样本和待测样本,首先用独立成分分析法(ICA)提取了120个独立成分(特征),把这些独立成分作为支持向量机的输入,在特征空间用支持向量机(SVM)进行预测(分类)。实验结果表明,ICA+SVM的方法比PCA+SVM和SVM的好。预测准确率为88%。更进一步,用同一个蛋白质序列在不同窗口长度下的样本做实验,结果表明,窗口长度越长,预测准确率越高。To improve the prediction accuracy of O-glycosylation sites,a new method of ICA＋SVM is proposed.The samples（protein sequence） for experiment are encoded by the sparse coding with window size w=21,120 independent components（feature） are extracted by independent component analysis（ICA）,then the prediction（classification） is done in feature space by support vector machines（SVM）.The results of experiment show that the performance of ICA＋SVM is better than that of PCA＋SVM and SVM.The prediction accuracy is about 88%.Furthermore,we investigated the same protein sequence under various window size,the results indicate that the longer the length of protein sequence,the higher the prediction accuracy.

关 键 词：蛋白质 糖基化 预测准确率 独立成分分析 支持向量机 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]