Markov链模型在蛋白质可溶性预测中的应用

利用M arkov链模型对蛋白质可溶性特性进行统计建模,按照蛋白质序列中残基的相对可溶性,将其分为两类(表面/内部)和三类(表面/中间/内部)进行预测。选择不同M CM阶数和分类阈值对数据进行训练和预测,以确保得到最好的分类效果。对两种数据集在不同分类阈值下进行分类预测,并将结果同其他已有方法如神经网络、信息论和支持向量机法等进行比较。该方法对蛋白质可溶性的预测精度和相关系数普遍好于或接近其他预测方法,其中对两类分类问题和三类分类问题的最优分类结果分别达到78.9%和67.7%。同时,该方法具有运算复杂度低、耗时短等优点。