基于AdaBoost算法的药物—靶向蛋白作用预测算法

对靶向蛋白的药物作用进行预测可以促进药物新作用的发现。新近的研究更倾向于单独将特定的矩阵填补算法应用在靶向蛋白和药物的相互作用预测中。单模型的矩阵填补算法准确度较低,因此应用在药物—靶向蛋白作用预测方面也难以获得满意的结果。AdaBoost算法是一种由多分类器组合生成强分类器的算法框架,其在分类应用领域的实用性和有效性已被证明。靶向蛋白的药物作用预测是一个矩阵填补问题,即是一种评分预测过程,因此本文在使用AdaBoost算法对药物—靶向蛋白作用进行预测前,将药物—靶向蛋白作用预测的矩阵填补问题转化为分类问题,将AdaBoost算法应用在靶向蛋白的药物作用预测评分上,充分利用AdaBoost算法框架对多个弱分类器进行融合从而提升性能,得以进行准确的药物—靶向蛋白作用预测。基于公测数据集的实验结果表明,本文提出的算法在预测准确度方面超过了大多数经典算法和新近算法,较好地克服了新近基于机器学习方法单算法的局限性,更好地挖掘隐含因素,有效提升了预测准确度。

Drug-target protein interaction prediction based on AdaBoost algorithm

GU Wanrong;XlE Xianfen;HE Yichen;ZHANG Ziye(Department of Computer Science and Engineering,School of mathematics and information,South China Agricultural University,Guangzhou 510642,P.R.China;Guangdong Key Laboratory of Big Data Analysis and Processing,Guangzhou 510006,P.R.China;Department of Statistics,School of Economy,Jinan University,Guangzhou 510632,P.R.China;Department of Mathematics,School of Mathematics,South China University of Technology,Guangzhou 510660,P.R.China)