合成金字塔預測模型中內含的改進型CBA預測方法

摘要：蛋白質二級結構預測問題，是生物信息學領域中最為重要的任務之一，歷經三十多年的研究，已取得了一些進展，尤其是近來集成預測模型與混合預測模型的引入，為預測精度帶來了一定程度的提高，然而其離從二級結構推導三級結構的目標，仍然存在很大差距。為了有效提高蛋白質二級結構預測精度，以KDTICM理論的擴展性研究與KDD^*模型為基礎，使用基于KDD^*模型的關聯分析蛋白質二級結構預測方法KAAPRO，提出一種基于支持度與可信度的復雜距離度量的CBA(classmcation based on association)算法，并以該算法為核心構建逐步求精、多層遞階的合成金字塔模型，該模型整體貫穿領域知識，并采用因果細胞自動機選擇有效物化屬性。在對偏alpha、beta型蛋白質的預測實驗中，改進型cBA算法較好地完成了對結構特征不明顯氨基酸的預測，獲得了較優的預測效果。

關鍵詞：關聯規則；蛋白質二級結構預測；KDD^*；合成金字塔模型；基于關聯分類算法

中圖分類號：TP182 文獻標志碼：A 文章編號：1001－3695(2009)12－4617－04