【摘要】：隨著各種基因組測(cè)序計(jì)劃的推出,不斷有很多物種被新測(cè)序完成,需要對(duì)這些物種的蛋白質(zhì)功能進(jìn)行注釋.這些物種中已知功能的蛋白質(zhì)數(shù)量少,可以考慮使用親緣關(guān)系近、已知功能蛋白質(zhì)數(shù)量多的物種來幫助這些物種進(jìn)行蛋白質(zhì)功能預(yù)測(cè).本文把這個(gè)任務(wù)抽象為多示例多標(biāo)記遷移學(xué)習(xí)問題,并提出了第一個(gè)多示例多標(biāo)記遷移學(xué)習(xí)框架TR-MIML來解決此任務(wù).TR-MIML通過最小化投影空間上加權(quán)源域樣本中心點(diǎn)與目標(biāo)域樣本中心點(diǎn)的距離,給源域樣本賦予不同權(quán)值,并基于目標(biāo)域和源域樣本訓(xùn)練多示例多標(biāo)記學(xué)習(xí)模型.在兩個(gè)新完成測(cè)序物種上,實(shí)驗(yàn)結(jié)果證明了遷移學(xué)習(xí)有助于它們的蛋白質(zhì)功能預(yù)測(cè).另外,親緣關(guān)系越近的物種作為源域進(jìn)行遷移學(xué)習(xí)幫助越大.
[Abstract]:With the introduction of various genome sequencing projects, many species have been sequenced, and the protein function of these species needs to be annotated. Since the number of known proteins in these species is small, we can consider the use of species with close kinship and a large number of known functional proteins to help these species predict their protein function. This article abstracts this task as a multi-example, multi-tag migration learning problem. The first multi-example multi-label migration learning framework (TR-MIML) is proposed to solve this task. TR-MIML assigns different weights to the source domain samples by minimizing the distance between the center points of the weighted source domain and the center points of the target domain samples in the projection space. And the multi-example multi-label learning model is trained based on target domain and source domain samples. In two newly sequenced species, the results show that migration learning is helpful to predict their protein function. In addition, the more closely related species are used as source areas for migration learning, the greater the help.
【作者單位】： 南京郵電大學(xué)通信與信息工程學(xué)院;南京信息工程大學(xué)江蘇省優(yōu)勢(shì)學(xué)科江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心;河海大學(xué)計(jì)算機(jī)與信息學(xué)院;南京郵電大學(xué)地理與生物信息學(xué)院;
【基金】：國家自然科學(xué)基金(批準(zhǔn)號(hào):61571233,61271082) 國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973)(批準(zhǔn)號(hào):2011CB302903) 江蘇省高校自然科學(xué)研究重大項(xiàng)目(批準(zhǔn)號(hào):14KJA510003) 江蘇省重點(diǎn)研發(fā)計(jì)劃(批準(zhǔn)號(hào):BE2015700) 南京信息工程大學(xué)PAPD與CICAEET資助項(xiàng)目
【分類號(hào)】：Q51;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉秀艷,滕勝;應(yīng)用計(jì)算機(jī)識(shí)別蛋白質(zhì)功能[J];生命的化學(xué);2000年03期

2 曾嵐,徐晉麟,李亦學(xué),石鐵流;大規(guī)模蛋白質(zhì)功能預(yù)測(cè)方法的進(jìn)展[J];生命的化學(xué);2005年01期

3 盧宏超;石秋艷;石寶晨;張治華;趙屹;唐素勤;熊磊;王強(qiáng);陳潤生;;基于蛋白質(zhì)網(wǎng)絡(luò)功能模塊的蛋白質(zhì)功能預(yù)測(cè)[J];生物化學(xué)與生物物理進(jìn)展;2006年05期

4 王繁業(yè);李亞非;;用于新藥開發(fā)的新的蛋白質(zhì)功能預(yù)測(cè)方法[J];化學(xué)與生物工程;2006年09期

5 王秀鶴;王正華;王勇獻(xiàn);張振慧;;基于分組重量編碼的蛋白質(zhì)功能預(yù)測(cè)[J];生物信息學(xué);2007年01期

6 倪青山;王正志;黎剛果;孟祥林;;基于K近鄰的蛋白質(zhì)功能的預(yù)測(cè)方法[J];生物醫(yī)學(xué)工程研究;2009年02期

7 蔣英芝;賀連華;劉建軍;;蛋白質(zhì)功能研究方法及技術(shù)[J];生物技術(shù)通報(bào);2009年09期

8 胡敏菁;吳建盛;施識(shí)帆;劉宏德;孫嘯;;面向蛋白質(zhì)功能位點(diǎn)識(shí)別的機(jī)器學(xué)習(xí)平臺(tái)構(gòu)建[J];生物信息學(xué);2010年01期

9 趙研;盧奕南;權(quán)勇;;基于模糊積分多源數(shù)據(jù)融合的蛋白質(zhì)功能預(yù)測(cè)[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

10 吳建盛;;基于新型機(jī)器學(xué)習(xí)方法的蛋白質(zhì)功能預(yù)測(cè)與分析[J];信息通信;2012年05期

相關(guān)會(huì)議論文 前8條

1 盧乃浩;張燕;李海玲;高中洪;;蛋白質(zhì)酪氨酸硝化修飾對(duì)蛋白質(zhì)功能影響及抗氧化劑的作用[A];第六屆全國化學(xué)生物學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

2 郭延芝;李夢(mèng)龍;;蛋白質(zhì)功能預(yù)測(cè)中的特征篩選與優(yōu)化[A];中國化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場摘要集[C];2010年

3 汪世華;;蛋白質(zhì)芯片用于快速檢測(cè)的研究[A];中國蛋白質(zhì)組學(xué)第三屆學(xué)術(shù)大會(huì)論文摘要[C];2005年

4 郭延芝;文志寧;李夢(mèng)龍;;基于序列信息的蛋白質(zhì)功能預(yù)測(cè)[A];中國化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場論文集[C];2008年

5 王靖;李霞;高磊;朱明珠;楊德武;;蛋白質(zhì)功能位點(diǎn)和結(jié)構(gòu)域與人類蛋白質(zhì)互作關(guān)聯(lián)分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

6 劉俊峰;王新泉;王占新;安曉敏;常文瑞;梁棟材;;造血干細(xì)胞中特異表達(dá)新基因kd93的重組表達(dá)和晶體結(jié)構(gòu)研究[A];中國科協(xié)2005年學(xué)術(shù)年會(huì)生物物理與重大疾病分會(huì)論文摘要集[C];2005年

7 常珊;李春華;龔新奇;陳慰祖;王存新;;蛋白質(zhì)不同區(qū)域的氨基酸保守性網(wǎng)絡(luò)分析[A];第十次中國生物物理學(xué)術(shù)大會(huì)論文摘要集[C];2006年

8 李亦學(xué);;蛋白質(zhì)組功能注釋[A];中國蛋白質(zhì)組學(xué)第二屆學(xué)術(shù)大會(huì)論文摘要論文集[C];2004年

相關(guān)博士學(xué)位論文 前8條

1 滕志霞;基于序列和PPI網(wǎng)絡(luò)的蛋白質(zhì)功能預(yù)測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 楊潤濤;分子生物學(xué)系統(tǒng)建模及蛋白質(zhì)功能預(yù)測(cè)相關(guān)問題研究[D];山東大學(xué);2016年

3 孫承磊;基于數(shù)據(jù)挖掘技術(shù)的蛋白質(zhì)功能預(yù)測(cè)研究[D];上海大學(xué);2013年

4 竇永超;預(yù)測(cè)蛋白質(zhì)功能位點(diǎn)的幾種新數(shù)學(xué)模型[D];大連理工大學(xué);2011年

5 施紹萍;基于支持向量機(jī)的蛋白質(zhì)功能預(yù)測(cè)新方法研究[D];南昌大學(xué);2012年

6 俞曉晶;基于蛋白質(zhì)序列和生物醫(yī)學(xué)文獻(xiàn)的蛋白質(zhì)功能挖掘[D];中國科學(xué)院研究生院（上海生命科學(xué)研究院）;2006年

7 張同亮;基于智能計(jì)算的蛋白質(zhì)功能預(yù)測(cè)研究[D];東華大學(xué);2008年

8 張拓;兩種特殊類型蛋白質(zhì)功能殘基的預(yù)測(cè)與生物序列比對(duì)[D];南開大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 郭金文;基于序列循環(huán)關(guān)系網(wǎng)絡(luò)模型的蛋白質(zhì)功能預(yù)測(cè)技術(shù)研究[D];福建師范大學(xué);2015年

2 刁印;基于圖理論和互作網(wǎng)絡(luò)的蛋白質(zhì)功能預(yù)測(cè)研究[D];大連理工大學(xué);2015年

3 劉殿昆;NaHCO_3脅迫下檉柳（T.hispida）根部差異表達(dá)蛋白質(zhì)的研究[D];東北林業(yè)大學(xué);2016年

4 梁華東;基于流形學(xué)習(xí)的蛋白質(zhì)功能預(yù)測(cè)與優(yōu)化[D];安徽大學(xué);2017年

5 王博;基于頻繁功能模式的蛋白質(zhì)功能預(yù)測(cè)[D];吉林大學(xué);2012年

6 趙研;模糊積分在蛋白質(zhì)功能預(yù)測(cè)上的應(yīng)用[D];吉林大學(xué);2012年

7 李希;基于序列特征的蛋白質(zhì)功能類預(yù)測(cè)方法研究[D];湖南大學(xué);2010年

8 王秀鶴;基于序列和相互作用的蛋白質(zhì)功能預(yù)測(cè)[D];國防科學(xué)技術(shù)大學(xué);2006年

9 鄧小龍;基于隨機(jī)游走的蛋白質(zhì)功能預(yù)測(cè)方法的研究[D];吉林大學(xué);2012年

10 賈元豐;基于復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)與貝葉斯網(wǎng)絡(luò)模型的蛋白質(zhì)功能預(yù)測(cè)[D];山西大學(xué);2013年

，

本文編號(hào)：2334564