基于与蛋白质功能家族相关随机树的模式识别
应用统计
2007-11-12 v1
摘要
本文利用氨基酸序列中包含的信息来解决识别蛋白质功能的问题。我们提出了一种定义序列相似性关系的方法，该关系可用作基于度量的统计方法进行分类和聚类的输入。在我们的示例中，我们通过在树空间上应用简单的基于度量的技术，专门解决了结构基因组学中的两个监督和无监督学习问题：1) 通过在树空间中进行 K 均值聚类来无监督地检测功能家族；2) 通过 k 近邻树将新蛋白质分类到已知家族中。我们发现证据表明，由我们的方法诱导的相似性度量集中了用于判别的信息。分类具有与其他 VLMC 方法相同的高性能。然而，聚类是一项更困难的任务，但我们的聚类方法是无比对且自动化的，并且通过选择其他基于预计算相似性信息的聚类或分类程序（例如使用流模拟进行聚类的方法，见 Yona et al 2000, Enright et al, 2003），可能会产生许多有趣的变体。
引用
@article{arxiv.0711.1369,
title = {Pattern recognition on random trees associated to protein functionality families},
author = {A. G. Flesia and R. Fraiman and F. G. Leonardi},
journal= {arXiv preprint arXiv:0711.1369},
year = {2007}
}