论文基本情况

期刊：《Computers in Biology and Medicine》
影响因子及中科院分区：IF： 3.434，中科院三区
发表日期：2020年7月
作者单位：青岛科技大学
代码地址： https://github.com/QUST-AIBBDRC/StackPPI/
原文链接：https://www.sciencedirect.com/science/article/abs/pii/S0010482520302481

一、论文创新点：

提出了一种新的预测蛋白质-蛋白质相互作用的方法——StackPPI
融合PAAC、AD、AAC-PSSM、Bi-PSSM和CTD提取物理化学、进化和序列信息
采用XGBoost特征选择方法消除冗余，保留最优特征子集
首次利用RF、ET和LR构建了堆叠集成分类器。

二、方法

(一)、特征提取方法

伪氨基酸组成（PAAC）
自相关拓扑指数（AD：MoreanBroto, Moran, and Geary autocorrelation）
ACC-PSSM和Bi-PSSM
CTD(CTDC,CTDD,CTDT)
详情见代码

(二）、XGBoost特征选择

XGBoost是一种梯度提升决策树，它使用正则化学习和缓存感知块结构树学习进行集成学习。损失函数如下：

通过增益来确定最优的分裂节点：

XGBoost的特征重要性评分越高，说明相应的特征越重要，越有效，我们根据特征重要性的降序排序得到排名靠前的特征来表征ppi，取前300个重要的特征。

（三）、叠迭分类器：

堆叠集成分类器算法进行两阶段学习;第一阶段使用一个多分类器系统，第二阶段使用一个元分类器，编码序列、进化和衍生的物理化学性质特征，代表蛋白质对，作为数字载体和类别标签提供到第一个阶段。这产生了被元分类器用作输入的概率数据，然后将蛋白质对标记为“相互作用”或“非相互作用”。

两个RFs和两个极端随机化树作为基本分类器（数的数量为500，其他参数默认）。
在堆叠集成分类器的第二层，使用LR算法]作为元分类器（所有的参数默认）
算法步骤：

三、数据

训练集：

幽门螺杆菌（ Helicobacter pylori），正负样本各位1458
酵母菌（Saccharomyces cerevisiae），正负样本各位5594

测试集：

Homo sapiens,相互作用对数量为1412
Mus. Musculus,相互作用对数量为313
Caenorhabditis elegans,相互作用对数量为4013
E. coli，相互作用对数量为6954

基因数据：

Wnt-related pathway：96个作用对
disease-specific：108个作用对

四、实验结果

（一）参数的确定（m=9）

（二）、基分类器确定，元分类器比较

利用XGBoost特征选择和堆叠集成分类器提高蛋白质-蛋白质相互作用预测精度相关推荐

利用边缘灰度变化建模，来提高圆环直径求取精度
简介: 利用对所获得的圆环边缘亮度平均变化曲线,利用Sigmoid函数进行建模逼近,可以对原来经由HoughCircle所获得的半径进行补偿.对于利用扫描仪所获得的图片进行实际处理,可以看到它可以获 ...
提高bp神经网络预测精度,bp神经网络收敛速度慢
1.如何提高bp神经网络的预测精度啊跟你的预测对象有很大关系. 1. 根据你的预测对象的特性选取合适的输入层.输出层和隐层神经元数目. 2. 选择合适的神经网络训练函数. 3. 保证足够的训练样本数 ...
集成学习算法的思想、通过集成学习提高整体泛化能力的前提条件、如何得到独立的分类器Bagging、Boosting、Stacking算法
集成学习算法 Ensemble learning algorithm 目的:让机器学习的效果更好,单个的分类器如果表现的好,那么能不能通过使用多个分类器使得分类效果更好呢?或者如果单个分类器分类效果不 ...
论文解读《STALLION：一个基于堆叠的原核赖氨酸乙酰化位点预测的集成学习框架》
期刊:Briefings in Bioinformatics 分区:二区摘要蛋白质翻译后修饰(PTM)是一种重要的调节机制,在正常和疾病状态中都发挥着关键作用.赖氨酸残基上的乙酰化是由于其在细胞代 ...
朴素Bayes组合-集成分类器
源码和论文: Github源码论文已经发表.请多多指教. Markdown手稿基于朴素 Bayes 组合的集成分类器摘要朴素Bayes分类器是一种简单有效的机器学习工具.本文用朴素Bayes分 ...
集成时间序列模型提高预测精度
使用Catboost从RNN.ARIMA和Prophet模型中提取信号进行预测集成各种弱学习器可以提高预测精度,但是如果我们的模型已经很强大了,集成学习往往也能够起到锦上添花的作用.流行的机器学习库 ...
ML之xgboost：利用xgboost算法对Boston(波士顿房价)数据集【特征列分段→独热编码】进行回归预测(房价预测)+预测新数据得分
ML之xgboost:利用xgboost算法对Boston(波士顿房价)数据集[特征列分段→独热编码]进行回归预测(房价预测)+预测新数据得分导读对Boston(波士顿房价)数据集进行特征工程,分 ...
bagging通过bootstrap构建集成分类器
集成学习是将不同分类器组合成为一个元分类器,元分类器与其包含的当个分类器相比,元分类器具有更好的泛化性能. 一.bagging集成分类器 bagging没有使用相同的训练集拟合集成分类器中的单个成员分 ...
利用XGBoost、Information Value、SHAP寻找“小北极星“指标与分层处理
利用XGBoost.Information Value.SHAP寻找"小北极星"指标与分层处理前言 "小北极星"指标 Information Value(IV ...

利用XGBoost特征选择和堆叠集成分类器提高蛋白质-蛋白质相互作用预测精度

文章目录