16、蛋白质亚细胞定位预测器的特性与应用

蛋白质亚细胞定位预测器的特性与应用

1. 预测器特性

• GO向量的稀疏性 ：以植物数据集为例，有978个蛋白质分布在12个亚细胞位置。特征提取后，GO向量维度为1541。从图10.1的直方图可以看出，GO向量中非零元素的数量相对其维度而言较少，具有稀疏性。在这978个蛋白质中，大部分在1541维向量中只有9个非零元素，最大非零元素数量也仅为45。这种稀疏性表明方程（7.1）中的GO向量非常适合使用随机投影（RP）进行降维。
• 集成随机投影提升性能 ：由于方程（7.1）中的R是随机矩阵，每次应用RP时方程（7.3）的得分都会不同。单一RP的性能差异较大，不利于最终预测。通过融合多次RP的得分得到集成分类器（方程7.5），当RP应用次数足够多且投影维度不低于一定值时，RP - SVM的性能可以超过mGOASVM。这显示了集成RP对于提升RP - SVM最终性能的重要性，同时也表明在RP应用次数和投影维度之间存在权衡关系。

2. 多标签预测器比较

为了比较提出的多标签预测器与现有先进预测器的优缺点，从五个方面进行总结：
| 预测器 | 词频使用 | 连续搜索 | 分类器优化 | 深度特征利用 | 降维处理 |
| ---- | ---- | ---- | ---- | ---- | ---- |
| Virus - mPLoc | × | × | × | × | × |
| iLoc - Virus | × | × | × | × | × |
| Plant - mPLoc | × | × | × | × |