[发明专利]一种基于序列使用代价敏感集成和聚类预测表位的方法

摘要

本发明属于计算生物信息技术，具体涉及一种基于序列使用代价敏感集成和聚类预测表位的方法。主要步骤包括：(1)构建抗原蛋白残基的描述性特征，这些特征包括进化保守性特征、二级结构特征、无序区域特征、二肽构成特征、理化属性；(2)使用Fisher‑Markov和增量迭代特征选择方法选择最优特征子集；(3)使用代价敏感性集成学习处理不平衡数据集；(4)使用空间聚类算法从抗原决定残基中预测潜在的表位残基。本发明适用于已知和未知结构信息的抗原蛋白表位预测，也适合大规模推广应用。

主权项

1.一种基于序列使用代价敏感集成和聚类预测表位的方法，其特征在于，包括以下步骤：（1）特征构建：对于样本数据，计算抗原蛋白描述性特征，具体包括进化保守性、二级结构、无序区域、二肽构成和理化属性特征；（2）特征选择：使用Fisher‑Markov计算每一个特征与类别标签的相关性得分，根据相关性由高到低使用增量迭代特征选择方法逐次添加特征构建模型并选择最优特征子集；（3）代价敏感性集成学习：引入代价敏感性集成思想来处理正负样本不平衡的问题，赋予正负样本不同的错误分类代价，对于少数类正样本赋予的代价高于多数类负样本，即错误识别正样本的惩罚高于错误识别负样本的惩罚，从而诱导分类器重视少数类正样本，实现对有价值抗原决定残基的正确识别；（4）空间聚类：对于预测的抗原决定残基，根据最大富集密度和最少聚类集团的原则，计算平均聚类空间球体的半径，根据计算得到的聚类空间球体的半径，将前期预测的抗原决定残基进行聚类划分，得到表位和非表位。