训练大间隔的宿主-病原蛋白质相互作用预测器
机器学习
2019-03-26 v1 定量方法
机器学习
摘要
蛋白质-蛋白质相互作用（PPIs）的检测在分子生物学中起着至关重要的作用。特别地，感染是由宿主与病原蛋白质之间的相互作用引起的。识别宿主-病原相互作用（HPIs）对于发现对抗传染病的新药十分重要。传统的湿实验PPI预测技术在大规模应用与成本方面存在局限。因此，人们开发了计算方法以预测PPIs。本研究旨在开发大间隔机器学习模型来预测种间PPIs，并特别关注宿主-病原蛋白质相互作用（HPIs）。具体而言，我们着重寻求在开发HPI预测器时出现的三个问题的答案：1）应如何选择负样本？2）与正样本相比，负样本的规模应为多少？3）应使用何种类型的间隔违例惩罚来训练预测器？我们比较了两种可用的负采样方法。此外，我们提出了一种在加权SVM中根据负样本与正样本的距离向每个训练样本分配权重的新方法。我们还开发了一个名为HoPItor（Host Pathogen Interaction predicTOR，宿主-病原相互作用预测器）的HPI预测网络服务器，可预测人类与病毒蛋白质之间的相互作用。该网络服务器可通过以下网址访问：http://faculty.pieas.edu.pk/fayyaz/software.html#HoPItor。
引用
@article{arxiv.1711.07886,
title = {Training large margin host-pathogen protein-protein interaction predictors},
author = {Abdul Hannan Basit and Wajid Arshad Abbasi and Amina Asif and Fayyaz Ul Amir Afsar Minhas},
journal= {arXiv preprint arXiv:1711.07886},
year = {2019}
}
备注
12 pages