基于现有蛋白质描述符的相邻与重叠片段对提升蛋白质序列分类效果的研究论文

简介：
本研究探讨了利用改进的蛋白质描述符——相邻与重叠片段对，以增强蛋白质序列分类准确性的方法和结果。 在蛋白质序列分类的研究领域里，广泛采用的方法是利用各种描述符（如k聚体组成的组成）将变化长度的蛋白质序列转化为固定长度的数值表示形式。这类位置无关的描述符非常有用，因为它们可以适用于任何长度的序列。然而，在这种转化过程中可能会丢失重要的子序列的位置信息，而这对于分类性能至关重要。 为了解决这个问题，我们采取了一种策略：先对原始序列进行分段处理，并计算每一段的数值特征。这种方法有助于部分引入位置信息（例如前部和后部片段中丝氨酸的比例）。通过一系列实验调整分割的数量以及重叠区域的长度，我们发现结合序列划分与特征选择的方法能够显著提升分类性能。 我们在三种不同的蛋白质分类问题上对这一方法进行了评估，并且在所有案例中都观察到了明显的改善效果。这些测试所使用的数据集均包含足够数量的不同氨基酸序列样本。我们的研究成果表明，在蛋白质序列分类中采用片段分析策略具有解决生物信息学领域其他类型序列问题的巨大潜力。