通过序列编码预测蛋白质相互作用

应用科学学报 ›› 2009, Vol. 27 ›› Issue (6): 601-605.

通过序列编码预测蛋白质相互作用

上海大学数学系，上海200444

收稿日期:2009-07-10 修回日期:2009-10-05 出版日期:2009-11-25 发布日期:2009-11-30
作者简介:王翼飞，教授，博导，研究方向：计算分子生物学，E-mail: yifei_wang@staff.shu.edu.cn
基金资助:
国家自然科学基金(No. 30871341)；科技部重大科技专项基金(No. 2008ZX10002-017, No. 2008ZX10002-020)；上海市重点学科基
金(No. S30104)；上海市教委重点学科建设项目基金(No. J50101)资助

Prediction of Protein-Protein Interactions with Sequence Coding

QIN Dian-gang, GAO Song, FENG Tie-nan, MA Cheng-rong, WANG Yi-fei

Department of Mathematics, Shanghai University, Shanghai 200444, China

Received:2009-07-10 Revised:2009-10-05 Online:2009-11-25 Published:2009-11-30

摘要/Abstract

摘要：

该文利用蛋白质的一级结构信息，将支持向量机应用于人的蛋白质相互作用预测中，采用三肽频数方法刻画
蛋白质序列. 计算结果表明，该方法能准确预测人的蛋白质相互作用. 比较了半胱氨酸在不同分类下对预测结果的影响，
对人的胚胎肝脏蛋白质相互作用网络进行预测，为实验提供了重要的信息.

关键词: 支持向量机, 蛋白质相互作用, 氨基酸分类, 核函数

Abstract:

Support vector machine is used to predict protein-protein interaction of Homo sapiens through the
protein’s primary sequence. A conjoint triad feature is used to describe amino acids. Experimental results show that
the method can predict PPIs with high accuracy. The predicted results of two classifications of Cys are compared.
The PPI network of human fetal liver is predicted, which supplies important information for experiments.

Key words: classification of amino acids, kernel function, support vector machine, protein-protein interaction

中图分类号:

Q 516

秦殿刚，高松，冯铁男，马成荣，王翼飞. 通过序列编码预测蛋白质相互作用[J]. 应用科学学报, 2009, 27(6): 601-605.

QIN Dian-gang, GAO Song, FENG Tie-nan, MA Cheng-rong, WANG Yi-fei. Prediction of Protein-Protein Interactions with Sequence Coding[J]. Journal of Applied Sciences, 2009, 27(6): 601-605.

[1]	迟楠, 牛文清, 贾俊连, 哈依那尔. 基于抗非线性SVM的几何整形可见光通信系统[J]. 应用科学学报, 2020, 38(4): 647-658.
[2]	范书瑞, 贾雅亭, 刘晶花. 基于三轴加速度传感器人体姿态识别的特征选择[J]. 应用科学学报, 2019, 37(3): 427-436.
[3]	苏文煊, 方针. 基于CFA插值特性不一致的图像真伪鉴别[J]. 应用科学学报, 2019, 37(1): 33-40.
[4]	许忠雄, 邵瑰玮, 谢予星, 吴亮, 季铮. 基于编码标志的无人机电力巡检自主定位方法[J]. 应用科学学报, 2018, 36(5): 845-858.
[5]	冯发杰, 吏军平, 丁亚洲, 朱坤, 崔卫红. 基于多尺度视觉特征组合的高分遥感影像目标检测[J]. 应用科学学报, 2018, 36(3): 471-484.
[6]	杨晋生, 林振军. 一种改进支持向量机的无线定位方法[J]. 应用科学学报, 2017, 35(6): 685-692.
[7]	翟旭平, 孟田, 王涛. 采用对数预处理的SVM频谱感知方法[J]. 应用科学学报, 2017, 35(6): 726-734.
[8]	熊邦书, 吴强镪, 李新民, 莫燕, 黄建萍. 基于频段能量特征的低速滚动轴承故障诊断[J]. 应用科学学报, 2017, 35(3): 366-372.
[9]	熊邦书, 刘雨, 莫燕, 黄建萍, 李新民. 基于SVM的直升机飞行状态识别[J]. 应用科学学报, 2016, 34(4): 469-474.
[10]	胡昭华, 徐玉伟, 赵孝磊, 何军, 周游. 基于支持向量机的多特征选择目标跟踪[J]. 应用科学学报, 2015, 33(5): 502-517.
[11]	杨洪涛，耿金华，丁小瑞，喻曹丰，禹斌. 数控机床力-几何误差的PSO-SVM建模[J]. 应用科学学报, 2014, 32(3): 325-330.
[12]	吴量1，江桦1，崔伟亮1,2. 利用循环平稳性检测和支持向量机的调制信号分类[J]. 应用科学学报, 2013, 31(6): 593-600.
[13]	温祥西，孟相如，李明迅. 基于最优样本子集的在线模糊LSSVM混沌时间序列预测[J]. 应用科学学报, 2013, 31(4): 411-417.
[14]	靳一，吴乐南，应鹏魁，余静. 基于SVM判决的RS编码EBPSK调制解调器[J]. 应用科学学报, 2013, 31(1): 48-52.
[15]	付仲良，张文元，孟庆祥. 灰度和纹理特征组合的SAR影像SVM分类[J]. 应用科学学报, 2012, 30(5): 498-504.