%0 Journal Article
%T 基于PPI网络与机器学习的蛋白质功能预测方法
%A 吴璟莉
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2017082042
%X 摘要 针对现有的基于蛋白质相互作用（PPI）网络的蛋白质功能预测方法预测精度不高、易受数据噪声影响的问题，提出一种基于机器学习（层次聚类、主成分分析和多层感知器）的蛋白质功能预测方法HPMM。该方法综合考虑蛋白质宏观和微观层面的信息，将蛋白质家族、结构域和重要位点信息作为顶点属性整合到PPI网络中以减轻网络中数据噪声的影响。首先，基于层次聚类和主成分分析进行特征提取，得到功能模块和属性主成分特征，然后训练多层感知器模型，建立多特征与多功能之间的映射关系以用于功能预测。在三个分别被分子功能（MF）、生物过程（BP）和细胞组件（CC）注释的人类PPI网络上进行测试，对HPMM、余弦迭代算法（CIA）和有向PPI网络基因本体术语传播（GoDIN）算法的功能预测效果进行比较分析。实验结果表明，相比CIA和GoDIN这两种完全基于PPI网络的方法，HPMM的精确度与F值更高
%K 功能预测
%K 机器学习
%K 蛋白质相互作用
%K 层次聚类
%K 主成分分析
%K 多层感知器
%U http://www.joca.cn/CN/abstract/abstract21594.shtml