论文部分内容阅读
提出一个新的基于集成学习的预测器（TargetPCM），对蛋白质接触图（特别是中长程）进行高精度的预测。首先，TargetPCM使用加权朴素贝叶斯分类器（Weighted Na ve Bayes classifier，WNBC）融合3个接触图预测器的输出，其中WNBC中的权重参数通过粒子群算法优化得到；其次，将WNBC融合后的输出和基于序列的特征进行组合，得到更具鉴别能力的特征；在此基础上，应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性，在包含98个非冗余蛋白质的数据