基于关联规则挖掘的原核生物 UniProtKB 数据代谢通路参与预测
定量方法
2016-09-23 v2
摘要
已知蛋白质与其功能之间日益扩大的差距促进了自动推断注释方法的发展。蛋白质的自动功能注释需要满足最大化注释覆盖度同时最小化错误功能分配的冲突要求。这种权衡给设计智能系统以解决蛋白质自动注释问题带来了巨大挑战。在这项工作中，我们提出了一个利用规则挖掘技术预测原核生物代谢通路的系统。所得知识表示了将通路参与分配给 UniProtKB 条目的预测模型。我们使用交叉验证技术对系统性能进行了评估研究。我们发现它在通路识别中取得了非常有前景的结果，F1-measure 为 0.982，AUC 为 0.987。我们的预测模型随后成功应用于 620 万原核生物 UniProtKB/TrEMBL 参考蛋白质组条目。结果，覆盖了 663,724 个条目，其中 436,510 个缺乏任何先前的通路注释。
引用
@article{arxiv.1509.07028,
title = {Prediction of Metabolic Pathways Involvement in Prokaryotic UniProtKB Data by Association Rule Mining},
author = {Imane Boudellioua and Rabie Saidi and Maria Martin and Robert Hoehndorf and Victor Solovyev},
journal= {arXiv preprint arXiv:1509.07028},
year = {2016}
}