基于相关向量机的多类蛋白质折叠识别

基于相关向量机的多类蛋白质折叠识别 Multi-Class Protein Fold Recognition Using Relevance Vector Machine 章文 ZHANG Wen 1 2 first-author 刘娟 LIU Juan 1 2 武汉大学计算机学院 武汉大学计算机学院 School of Computer,Wuhan University School of Computer,Wuhan University 武汉大学计算机学院,湖北,武汉,430072 武汉大学计算机学院,湖北,武汉,430072 蛋白质折叠的识别是一种不依赖于序列相似性的蛋白质结构研究方法.本文将相关向量机应用于蛋白质折叠的识别,将两类相关向量机推广到多分类情况,对多类蛋白质折叠进行识别.与支持向量机相比较,相关向量机无需调整多余的参数,核函数不需要满足mercer条件,实际数据集上的测试结果表明,相关向量机可以得到更加稀疏的模型,在交叉检验中获得了更高的精度,表明相关向量机是一种有效的识别蛋白质折叠的方法. Protein fold recognition is an important approach to protein structure discovery without the need of sequence similarity.In this paper,we apply RVM（relevance vector machine） to protein fold recognition.Due to the nature of multiple class of protein fold,we extend the binary RVM classifier to the multiple classifier using conventional one-versus-one method.Compared to SVM（support vector machine）,RVM leads to sparser model and higher cross validation accuracy.The experiment results demonstrate that RVM is promising for protein structure prediction. 相关向量机 蛋白质折叠识别 多分类问题 机器学习 relevance vector machine protein fold recognition multi-classification machine learning Q51 国家自然科学基金资助项目（60773010） 2008-03-01 2021-04-01 3