序列信息融合与两阶段特征选择的膜蛋白预测

来源：计算机工程与应用杂志2019年第6期北京时间：

作者：郭 磊，王顺芳

单位：云南大学 信息学院 计算机科学与工程系，昆明 650504

摘要：膜蛋白的功能与其类型密切相关，因此膜蛋白类型的预测具有重要意义。针对膜蛋白特征表达过程中出现的特征维数高的问题，结合最大信息系数与遗传算法提出一种两阶段特征选择（MIC-GA）。抽取膜蛋白序列信息中的伪氨基酸组成、二肽组成和位置特异性分数矩阵等特征融合后作为特征参数，并在融合过程中提出一种改进的ReliefF算法（FReliefF）得到更有效的特征分数。基于Stacking集成学习框架，两次使用极端随机树对膜蛋白类型进行合理化预测。结果表明该方法能够有效提高膜蛋白预测的准确率。

关键词：膜蛋白预测,最大信息系数,遗传算法,特征选择,特征融合,极端随机树