用于预测 DNA 结合蛋白的多视图随机向量功能链接网络
机器学习
2026-01-27 v2 生物大分子
摘要
DNA 结合蛋白（DBPs）的识别至关重要，因为其对各种生物学活性具有重大影响。了解蛋白-DNA 相互作用机制对于阐明各种生命活动至关重要。近年来，机器学习模型在 DBP 预测中发挥了重要作用。本文提出一种新型框架，称为多视图随机向量功能链接网络（MvRVFL），将神经网络架构与多视图学习相结合。MvRVFL 模型整合了晚期和早期融合的优势，使每个视图可具有独立的正则化参数，同时利用闭形式解高效确定未知参数。原始目标函数包含一个耦合项，旨在最小化来自所有视图的误差的综合。从 DBP 数据集的三个蛋白视图中，我们提取五个特征。这些特征通过在模型训练过程中引入隐藏特征来进行融合。在 DBP 数据集上的所提出的 MvRVFL 模型的性能优于基线模型，显示其具有卓越的有效性。我们进一步在 diverse benchmark 数据集上验证了所提出模型的实际应用性，理论分析和实证结果一致表明其在基线模型之上的优越泛化性能。
引用
@article{arxiv.2409.02588,
title = {Multiview Random Vector Functional Link Network for Predicting DNA-Binding Proteins},
author = {A. Quadir and M. Sajid and M. Tanveer},
journal= {arXiv preprint arXiv:2409.02588},
year = {2026}
}