蛋白质二级结构预测概率图模型的改进

蛋白质二级结构与蛋白质三级结构及蛋白质功能密切相关，是生物信息学研究的热点，其中概率图模型隐马尔可夫算法(HMM)是该领域研究的重要工具。但是在实际应用中，存在着HMM训练下溢、不同训练集的效果差异较大及参数优化困难等问题。对预测蛋白质二级结构时HMM遇到的训练下溢问题提出了改进方案；首次提出8-状态HMM来预测蛋白质二级结构，并且将参数B改进成为包含状态转移信息的三维参数；为了改进最优HMM模型的确定方法，用每个样本分别对初始HMM模型进行训练，得到一系列新的模型，然后对这些新模型的参数求均值，将求得的均值作为最优模型的参数。这些改进方法提高了HMM预测蛋白质二级结构的准确率，为HMM的进一步优化打下良好的基础