使用伪氨基酸模型和K近邻分类器预测酶的分类

作者：孙晶京

来源：计算机工程与应用, 2013, (09): 123-126.

• 特征向量
• 伪氨基酸模型
• 最优证据理论-K近邻算法 feature vector
• pseudo-amino acids mode
• Optimized Evidence Theory-K Nearest Neighbors'(OET-KNN)algorithm

酶作为一种重要的生物催化剂在生物代谢过程中扮演着非常重要的角色。一种酶的功能与它所属的类或子类有着密切的关系。所以,不论是在基础研究的过程中还是药物发现的过程中,研究预测酶的分类方法都显得非常有用。通过采用一种基于伪氨基酸组成作为酶序列的特征向量,同时又加入了更多的氨基酸信息,来对酶进行分类。对于分类器,考虑到它是多分类问题,采用了最优证据理论-K近邻算法。实验结果证明这样做是有效的,达到83%的准确率。

• 单位
  山西农业大学