%0 Journal Article
%T 集成改进KNN算法预测蛋白质亚细胞定位
%A 杨荣丽
%A 洪晓宇
%A 王雄飞
%A 薛卫
%A 赵南
%J 生物工程学报
%D 2017
%R 10.13345/j.cjb.160389
%X 基于Adaboost算法对多个相似性比对K最近邻 (K-nearest neighbor，KNN) 分类器集成实现蛋白质的亚细胞定位预测。相似性比对KNN算法分别以氨基酸组成、二肽、伪氨基酸组成为蛋白序列特征，在KNN的决策阶段使用Blast比对决定蛋白质的亚细胞定位。在Jackknife检验下，Adaboost集成分类算法提取3种蛋白序列特征，3种特征在数据集CH317和Gram1253的最高预测成功率分别为92.4%和93.1%。结果表明Adaboost集成改进KNN分类预测方法是一种有效的蛋白质亚细胞定位预测方法
%K 亚细胞区间
%K 蛋白序列特征
%K K-nearest neighbor
%K basic local alignment search tool
%K Adaboost
%U http://journals.im.ac.cn/cjbcn/ch/reader/view_abstract.aspx?file_no=gc17040683&flag=1