陈春燕,吕俊龙

(1.蚌埠医学院 卫生管理学院，安徽 蚌埠 233000；2.蚌埠学院 计算机工程学院，安徽 蚌埠 233000)

蛋白质相互作用预测研究在生物学领域具有重要的意义，当前预测方法主要分为2种：实验方法和计算方法。传统的实验方法需花费大量的人力、物力，计算方法逐渐成为研究者关注的热点。文献[1]对蛋白质原始序列的PSSM矩阵，进行了局域编码，提出了串行多特征融合的特征提取方法，并设计了有监督和半监督的分类器；文献[2]提出了氨基酸理化性质组成编码、氨基酸组成编码及自协方差编码的多特征融合提取方法；文献[3]充分考虑了蛋白质序列对发生相互作用较为复杂的特点，提出了自协方差编码方式，在酿酒酵母数据集上达到了88.09%的准确率。然而，蛋白质结构复杂，对原始序列进行编码提取特征向量，预测精度有待提高[4]。因此，本研究先将原始序列转化为位置特异性得分矩阵 (Position-Specific Scoring Matrix, PSSM )，然后根据理化性质对PSSM进行分区，并行融合为新的矩阵[5]，提取特征向量，分类器选择多项式核和高斯核组合核支持向量机，以期提高蛋白质相互作用预测的准确率。

1 特征提取

1.1 蛋白质序列表示方法

蛋白质序列的基本组成单位是氨基酸，其由20种不同的氨基酸混合组成，表示为下：

P=p1p2…pi…pL

其中，pi表示序列中第i个氨基酸，L是蛋白质序列的长度。

1.2 蛋白质数值化表示方法

使用PSSM矩阵将一维蛋白质原始序列进行数值化表示，转换为二维矩阵[6]。使用PSI-BLAST程序得到包含蛋白质序列位置信息和蛋白质进化信息的PSSM矩阵。……