RAFP-Pred：基于n肽组成局部化分析的防冻蛋白鲁棒预测
生物大分子
2018-09-27 v1 机器学习
应用统计
摘要
在极端寒冷天气中，生物体产生防冻蛋白(AFPs)以对抗原本致命的细胞内冰形成。各类AFPs的结构与序列呈现高度异质性，因此AFPs的预测被视为一项艰巨任务。本研究提出利用局部化处理的思路应对这一困难流形学习任务。具体而言，将AFP序列分割为两个子段，分别分析其氨基酸与二肽组成。我们提出利用信息增益(IG)概念筛选最显著特征，继而采用随机森林分类方法。所提RAFP-Pred在多个标准数据集上取得优异性能。我们在标准独立测试集上报告了0.75的高尤登指数(灵敏度+特异度-1)值，分别超越AFP-PseAAC、AFP_PSSM、AFP-Pred与iAFP达0.05、0.06、0.14与0.68。在UniProKB数据集上验证率为83.19%，显著优于iAFP方法报告的57.18%。
引用
@article{arxiv.1809.09620,
title = {RAFP-Pred: Robust Prediction of Antifreeze Proteins using Localized Analysis of n-Peptide Compositions},
author = {Shujaat Khan and Imran Naseem and Roberto Togneri and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:1809.09620},
year = {2018}
}
备注
7 pages, 2 figures