技術(shù)特征：

1.一種人類蛋白質(zhì)亞細胞位置預測方法，基于人類蛋白質(zhì)序列預測蛋白質(zhì)亞細胞位置，其特征在于，包括以下步驟：

第一步：利用人類蛋白質(zhì)序列信息分別提取序列全長，序列N端，C端多個蛋白質(zhì)序列片段的殘基統(tǒng)計特征，其中包括氨基酸組成成分特征和利用蛋白質(zhì)同源信息所獲得的特異性打分矩陣特征并對該特征進行歸一化處理，在綜合這兩個特征之后使用Correlation-based Feature Selection這種有監(jiān)督的特征選擇算法進行降維；

第二步：通過提取蛋白質(zhì)數(shù)據(jù)庫中所有人類蛋白質(zhì)的GO特征，利用GOSSTO獲取GO(BP,MF,CC)特征空間三個相似度矩陣；

第三步：通過blast方法在Swiss-Prot數(shù)據(jù)庫中搜索同源蛋白，提取所述同源蛋白的GO特征，同時用相同的方法獲取訓練集中蛋白質(zhì)的GO特征；

第四步：將蛋白質(zhì)GO特征的三個部分(BP,MF,CC)通過一元組，二元組，三元組劃分為7個部分(BP,MF,CC),(BP&MF,BP&CC,MF&CC),(BP&MF&CC)；

第五步：通過蛋白質(zhì)GO特征的相關(guān)性，分成七個部分來計算兩個蛋白質(zhì)的相關(guān)性，并通過參數(shù)優(yōu)化，提取訓練集中十個相關(guān)性高的蛋白質(zhì)做有權(quán)值的KNN方法，獲得該蛋白質(zhì)在每個亞細胞位置上的概率值；

第六步：通過rps-blast來獲得Swiss-Prot數(shù)據(jù)庫中所有人類蛋白質(zhì)的保守域特征，并通過信息差計算特征之間的相關(guān)性，得到保守域特征相似度矩陣，然后通過rps-blast來獲得目標蛋白質(zhì)的保守域特征來計算兩個蛋白質(zhì)的相關(guān)性，并通過參數(shù)優(yōu)化，提取訓練集中十個相關(guān)性高的蛋白質(zhì)做有權(quán)值的KNN方法，獲得該蛋白質(zhì)在每個亞細胞位置上的概率值；

第七步：融合所獲得的序列特征，GO七個部分的概率特征，保守域概率特征，使用Binary Relevance策略搭建可以預測中心體，細胞質(zhì)，細胞骨架，內(nèi)質(zhì)網(wǎng)，內(nèi)體，分泌途徑，高爾基體，溶酶體，線粒體，細胞核，過氧化物酶體和細胞膜這12個亞細胞位置的SVM分類器。

2.一種人類蛋白質(zhì)亞細胞位置預測方法，基于人類蛋白質(zhì)序列預測蛋白質(zhì)亞細胞位置，其特征在于，包括以下步驟：

S101，利用人類蛋白質(zhì)序列信息分別提取序列全長，N端前10到60，C端前10到100長度蛋白質(zhì)序列片段的氨基酸組成成分特征，歸一化后的PSSM矩陣特征，并使用CFS降維，其中PSSM矩陣歸一化并在每部分轉(zhuǎn)化為20維特征的公式為：

其中S_i,j表示出現(xiàn)在序列的第i個(1≤i≤L)位置上的氨基酸在進化過程中演變成第j種(1≤j≤20)氨基酸的概率評分，L表示蛋白質(zhì)序列的長度，

$S_{i,j}^0=\frac{S_{i,j}-\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}{S}_{i,k}}{\sqrt{\frac{1}{N-1}\underset{u=1}{\overset{N}{\Σ}}{(S_{i,u}-\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}{S}_{i,k})}^2}},---\left(2\right)$

S⁰_i,j表示了歸一化后這個特異性打分矩陣的分數(shù)，N表示了氨基酸的數(shù)目，在公式(2)中N＝20，

$\stackrel{\‾}{S_j^0}=\frac{1}{L}\underset{i=1}{\overset{L}{\Σ}}{S}_{i,j}^0,---\left(3\right)$

其中表示的是對每列分數(shù)進行相加并求取平均后的值；

$\stackrel{\‾}{S_{PSSM}}=\[\stackrel{\‾}{S_1^0},\stackrel{\‾}{S_2^0},\stackrel{\‾}{S_3^0},...,\stackrel{\‾}{S_{20}^0}\],---\left(4\right)$

就是經(jīng)過歸一化處理后的PSSM矩陣特征；

S102，通過提取Swiss-Prot數(shù)據(jù)庫中所有人類蛋白質(zhì)的GO特征，利用GOSSTO獲取GO(BP,MF,CC)特征空間三個相似度矩陣；

S103，通過blast方法在Swiss-Prot數(shù)據(jù)庫中搜索同源蛋白，提取他們的GO特征，同時用相同的方法獲取訓練集中蛋白質(zhì)的GO特征；

S104，將蛋白質(zhì)GO特征的三個部分(BP,MF,CC)通過一元組，二元組，三元組劃分為7個部分(BP,MF,CC),(BP&MF,BP&CC,MF&CC),(BP&MF&CC)；

S105，通過蛋白質(zhì)GO特征的相關(guān)性，分成七個部分來計算兩個蛋白質(zhì)的相關(guān)性：

$Cor(x_i,K)=\underset{1\≤i\≤m}{max}Cor(x_i,y_j),---\left(5\right)$

其中Cor(x_i,K)代表了x_i所代表的GO注釋特征與第K個蛋白質(zhì)在這個部分下的相關(guān)性，

${\mathrm{Sim}}_k=\sqrt{\underset{i=1}{\overset{n}{\Σ}}Cor{(x_i,K)}^2},---\left(6\right)$

其中Sim_k表示訓練集中第K個蛋白質(zhì)與我們所預測的蛋白質(zhì)之間的相關(guān)性，

在得到所有訓練集中蛋白質(zhì)與所預測的蛋白質(zhì)之間的相關(guān)性之后，提取訓練集中十個相關(guān)性高的蛋白質(zhì)做有權(quán)值的KNN方法，獲得該蛋白質(zhì)在每個亞細胞位置上的概率值：

${\mathrm{pro}}_a=\frac{{\Σ}_{j\∈I_{N_a}}{\mathrm{sim}}_j+\frac{{\mathrm{num}}_a}{num}}{{\Σ}_{i\∈I_N}{\mathrm{sim}}_i+1},---\left(7\right)$

其中num_a和num分別表示在訓練集中，蛋白質(zhì)處于第a個亞細胞位置的個數(shù)和訓練集中蛋白質(zhì)的總個數(shù)。而pro_a則表示所預測的蛋白質(zhì)處在第a個亞細胞位置的概率。

S106，通過rps-blast來獲得Swiss-Prot數(shù)據(jù)庫中所有人類蛋白質(zhì)的保守域特征，并通過信息差計算特征之間的相關(guān)性：

$H\left(f_i^{cdd}\right)=-\underset{m\∈\{0,1\}}{\Σ}p(f_i^{cdd}=m)\×\log p(f_i^{cdd}=m),---\left(9\right)$

$S_{i,j}^{cdd}=\frac{2\×\left(H\right(f_i^{cdd})+H(f_j^{cdd})-H(f_i^{cdd},f_j^{cdd}\left)\right)}{H\left(f_i^{cdd}\right)+H\left(f_j^{cdd}\right)}.---\left(11\right)$

其中H(f_i^cdd)表示第i個CDD特征的熵，p(f_i^cdd＝1)表示第i個CDD特征存在于蛋白質(zhì)訓練集中的概率。H(f_j^cdd,f_i^cdd)表示第i個特征和第j個特征他們的微分熵，S_i,j^cdd代表了第i個CDD特征與第j個CDD特征之間的相關(guān)性，

得到保守域特征相似度矩陣，然后通過rps-blast來獲得目標蛋白質(zhì)的保守域特征來計算兩個蛋白質(zhì)的相關(guān)性，并提取訓練集中十個相關(guān)性高的蛋白質(zhì)做有權(quán)值的KNN方法，獲得該蛋白質(zhì)在每個亞細胞位置上的概率值；

S107，融合所獲得的序列特征，GO七個部分的概率特征，保守域概率特征，使用Binary Relevance策略搭建12個SVM分類器預測蛋白質(zhì)的亞細胞位置，和在每個亞細胞位置上的概率。