皮赛奇，刘 干

（贵州民族大学人文科技学院，贵州贵阳 550025）

0 引言

随着生物信息技术快速发展和蛋白质测序手段改进，高通量的蛋白质基因序列被发现［1］。采用传统生物技术手段对高通量的蛋白质进行功能预测费时且费力，如何高效、快速地对高通量蛋白质进行精准预测值得研究［2］。近年来，随着大数据和人工智能行业的兴起，利用人工智能和机器学习手段对高通量的蛋白质进行分类预测是现阶段比较火热的方法［3］。研究人员利用机器学习对相应的蛋白质进行分类预测，例如，利用支持向量机对氧化还原酶进行亚类的分类预测、利用随机森林算法对膜蛋白进行预测、运用深度学习相关算法对蛋白质亚细胞定位进行研究等［4］。研究者们主要从两个大的方向进行研究实验。第一个方向为蛋白质特征提取，第二个方向为分类器模型搭建［5］。研究者们提出了各种各样的特征提取模型以及特征融合算法，同时也搭建出各种不同的机器学习模型，这些研究在相应实验中都取得了非常好的效果，但主要考虑单标签分类。然而，现实世界中存在非常多的多功能蛋白质（具有多个功能标签），此时，运用上述单标签机器学习算法模型进行分类预测效果不显著。因此，构建多标签机器学习模型对多功能蛋白质进行分类预测显得十分重要。本文主要对传统的随机k标签分类算法（RAkLE）进行改进，加入Apriori 算法对标签进行关联规则挖掘［6］，将得到的关联规则进行标签划分，运用集成（Label Powerset，LP）算法完成模型训练［7］，最终得到模型并进行标签分类预测。……