基于相似性混合模型的蛋白质交互识别-论文.pdf

《基于相似性混合模型的蛋白质交互识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第7期计算机工程2015年7月VO1．41NO．7ComputerEngineeringJuly2015·专栏·文章编号：1000-3428(2015)07-0025-06文献标识码：A中图分类号：TP391基于相似性混合模型的蛋白质交互识别王宇伟，牛耘，魏欧(南京航空航天大学计算机科学与技术学院，南京210016)摘要：现有采用机器学习方法的蛋白质交互关系识别系统仅以单句为依据，并且存在标注数据缺乏导致训练集规模小的问题。为此，基于相似性混合模型提出一种新的蛋白质交互识别方法。采用基本的关系相似性(RS)模型做初始判断

2、，利用大规模文本计算单词特征间的相似性，在基本RS模型的基础上通过特征聚类方式引入单词相似性模型，从而建立一个混合模型。实验结果表明，该方法能够取得较高且较均衡的精确度和召回率，而单词相似性的引入又进一步提高了F值，并且其直接利用已有的交互信息，可避免额外的人工标注。关键词：蛋白质交互；关系相似性；单词相似性；K近邻分类；层次聚类中文引用格式：王字伟，牛耘，魏欧．基于相似性混合模型的蛋白质交互识别[J]．计算机工程，2015，41(7)：25—30，35．英文引用格式：WangYuwei，NiuYun，WeiOu．Identif

3、icationofProtein—proteinInteractionBasedonHybridSimilarityModel[J]．ComputerEngineering，2015，41(7)：25—30，35．IdentificationofProtein-proteinInteractionBasedonHybridSimilarityModelWANGYuwei．NIUYun．WEIOu(SchoolofComputerScienceandTechnology，NanjingUniversityofAeronautics

4、andAstronautics，Nanjing210016，China)【Abstract】Currentmachinelearning—basedProtein—proteinInteraction(PPI)identificationsystemsmakepredictionssolelyonevidencewithinasinglesentenceandsufferfromsmalltrainingset．Inthispaper，ahybridsimilaritymodel-basedapproachisproposedt

5、oaddresstheseissues．AbasicRelationalSimilarity(RS)modelisestablishedtomakeinitialpredictions．Wordsimilaritymatricesareconstructedusingacorpus—basedapproach．Aclusteringalgorithmisappliedtogroupwordsaccordingtotheirsimilarity．Theobtainedwordclustersareintroducedtotheba

6、sicRSmodeltObuildahybridmode1．ExperimentalresultsshowthatthebasicRSmodelachieveshigherandwell—balancedprecisionandrecall，andtheintroductionofthewordsimilaritymodelfurtherimprovestheF—score．ThisapproachmakesuseofknownPPIinformation．thusreleasestheburdenofmanualannotat

7、ion．【Keywords】Protein—proteinInteraction(PPI)；RelationalSimilarity(RS)；wordsimilarity；K—nearestNeighbor(KNN)classification；hierarchicalclusteringDOI：10．3969／j．issn．1000—3428．2015．07．005基于自然语言处理的蛋白质交互自动识别技术已成1概述为一项重要的研究内容。本文提出一种基于相似性蛋白质是生物细胞最重要的成分，它们通过彼混合模型的蛋白质交互识别方法，

8、将现有的PPI数此间的作用完成细胞中的大部分过程，蛋白质交互据库作为训练数据，以避免额外的人工标注负担，并(Protein—proteinInteraction，PPI)是生物学研究的重且充分利用大规模文本库资源，依据文本中丰富的要内容，也是解决大量医学难题的关