[发明专利]使用KNN计算与相似性比对预测蛋白质亚细胞区间方法

权利要求书

1.一种使用KNN计算与相似性比对预测蛋白质亚细胞区间方法，其特征在于，包括以下步骤：

步骤1、提取蛋白质序列数据集中所有蛋白质序列的AAC特征；

步骤2、在蛋白质序列数据集中选取一条蛋白质序列设定为测试序列，其余蛋白质序列设定为训练集，通过KNN算法，确定预测范围内的蛋白质序列集合；

步骤3、将所预测序列与预测范围内的蛋白质序列集合进行Blast相似性比对计算，得到最高相似性序列；最高相似性序列所属的区间就是所预测序列的所属区间。

2.如权利要求1所述的使用KNN计算与相似性比对预测蛋白质亚细胞区间方法，其特征在于，所述步骤1具体包括：

步骤1-A、将蛋白质序列数据集中每条蛋白质序列表示为P：

P＝R₁R₂R₃R₄R₅…R_L；

上式中，L为蛋白质序列的长度，R_i(i＝1…L)为蛋白质序列中第i个氨基酸残基；

步骤1-B、计算每条蛋白质序列P的AAC特征：

P_AAC＝[f₁,f₂,…f₂₀]^T；

上式中，f_u(u＝1,2,3,…,20)表示第u种氨基酸在蛋白质序列P中出现的频率。

3.如权利要求2所述的使用KNN计算与相似性比对预测蛋白质亚细胞区间方法，其特征在于，所述步骤1-B中第u种氨基酸在蛋白质序列P中出现的频率f_u的计算方法为：

fu=1NΣi=1LRi,Ri=1,IfRi=A(u)0,IfRi≠A(u);]]>

上式中，L表示蛋白质序列的长度，N表示一个蛋白质序列所包含的所有氨基酸残基的总数目，A(u)表示序号u所对应的氨基酸残基。