%0 Journal Article
%T 基于三类特征融合的O-糖基化位点预测
%A 向妍
%A 袁哲明
%A 谭泗桥
%A 陈渊
%J 生物化学与生物物理进展
%D 2016
%X 糖基化是蛋白质翻译后的主要修饰，O-糖基化的固定模式未知，高精度识别O-糖基化位点是机器学习面临的挑战性问题．以迄今最大的人O-糖基化位点Steentoft数据集为基础，本文首次提出了基于位置的卡方差表特征χ2-pos，融合伪氨基酸序列进化信息PsePSSM 以及无方向的k间隔氨基酸对组分Undirected-CKSAAP表征序列，构建5个正负样本均衡的支持向量机分类器，经加权投票，独立测试准确率、Matthew相关系数及ROC曲线下面积，分别达到了89.62%、0.79、0.96，明显优于文献报道结果．χ2-pos、PsePSSM与Undirected-CKSAAP三种特征的融合在蛋白质糖基化、磷酸化等位点预测中有广泛应用前景
%K O-糖基化位点预测
%K 卡方差表特征
%K 伪氨基酸序列进化信息
%K 无方向的k间隔氨基酸对组分
%K 加权投票
%U http://www.pibb.ac.cn/pibbcn/ch/reader/view_abstract.aspx?file_no=20160002&flag=1