基于结合二阶图邻居信息的核逻辑回归的蛋白质功能预测
定量方法
2012-07-19 v1 机器学习
分子网络
摘要
为了提高蛋白质 - 蛋白质相互作用功能预测的准确性，本文提出了一种基于无向简单图的二阶图邻居信息特征提取方法，该方法扩展了一阶图邻居特征提取方法。此外，还引入了卡方检验统计方法用于特征组合。为了验证我们二阶图邻居特征的有效性，我们在两个特征集上研究了四种逻辑回归模型（逻辑回归（简称 LR）、扩散核逻辑回归（简称 DKLR）、多项式核逻辑回归（简称 PKLR）和基于径向基函数（RBF）的核逻辑回归（简称 RBF KLR））。利用慕尼黑蛋白质序列信息中心（MIPS）的蛋白质 - 蛋白质相互作用数据，在酵母蛋白质组数据库（YPD）上进行的蛋白质功能预测实验结果表明，蛋白质的二阶图邻居信息能显著提高蛋白质功能预测的平均总体百分比，尤其是在使用 RBF KLR 时。并且，采用一种新的 5-top 卡方特征组合方法，RBF KLR 在二阶邻居特征组合集上可达到 99.05% 的平均总体百分比。
引用
@article{arxiv.1207.4463,
title = {Protein Function Prediction Based on Kernel Logistic Regression with 2-order Graphic Neighbor Information},
author = {Jingwei Liu},
journal= {arXiv preprint arXiv:1207.4463},
year = {2012}
}