10.7544/issn1000-1239.2016.20160196
基于正负样例的蛋白质功能预测
蛋白质功能预测是后基因组时代生物信息学的核心问题之一．蛋白质功能标记数据库通常仅提供蛋白质具有某个功能（正样例）的信息，极少提供蛋白质不具有某个功能（负样例）的信息．当前的蛋白质功能预测方法通常仅利用蛋白质正样例，极少关注量少但富含信息的蛋白质负样例．为此，提出一种基于正负样例的蛋白质功能预测方法（protein function prediction using positive and negative examples ， ProPN ）．ProPN首先通过构造一个有向符号混合图描述已知的蛋白质与功能标记的正负关联信息、蛋白质之间的互作信息和功能标记间的关联关系，再通过符号混合图上的标签传播算法预测蛋白质功能．在酵母菌、老鼠和人类蛋白质数据集上的实验表明，ProPN 不仅在预测已知部分功能标记蛋白质的负样例任务上优于现有算法，在预测功能标记完全未知蛋白质的功能任务上也获得了较其他相关方法更高的精度．
蛋白质功能预测、正样例、负样例、符号混合图、标签传播
53
TP391(计算技术、计算机技术)
国家自然科学基金项目61402378，61571163，61532014；重庆市基础与前沿研究项目cstc2014jcyjA40031，cstc2016jcyjA0351；重庆市研究生科研创新项目CYS16070；中央高校基本科研业务费基金项目2362015XK07，XDJK2016B009，XDJK2016D021 This work was supported by the National Natural Science Foundation of China61402378，61571163，61532014;the Natural Science Foundation of CQ CSTCcstc2014jcyjA40031，cstc2016jcyjA0351;Chongqing Research Innovation Fund for GraduateCYS16070;the Fundamental Research Funds for the Central Universities of China 2362015XK07，XDJK2016B009， XDJK2016D021．
2016-08-19（万方平台首次上网日期，不代表论文的发表时间）
共13页
1753-1765
