蛋白质组研究的开展是生命科学研究进入后基因组时代的里程碑，是继基因组研究之后的又一“大数据科学”。蛋白质组是生物功能的执行者，在生命活动中发挥重要的作用。DNA结合蛋白预测研究是蛋白质组学和生物信息学的研究热点。深入研究DNA结合蛋白对于研究疾病发病机理、抗癌药物的研发以及药物靶标设计具有指导作用，对于解释和阐明生命活动的本质起着至关重要的作用。DNA结合蛋白不仅在维持基因信息的表达方面扮演着重要的角色，还在药物开发研究领域被用作抗生素、类固醇和抗癌药物的关键成分。随着高通量测序技术的开发和应用，新的蛋白质序列不断涌现，通过实验方法识别DNA结合蛋白已远远不能满足研究的需要，发展快速高效的人工智能方法对DNA结合蛋白的研究具有重要意义。
近日，jbo竞博体育电竞人工智能与生物医学大数据研究团队于彬副教授，在计算机科学一区TOP期刊Applied Soft Computing (IF=5.472) 上发表标题为“StackPDB: Predicting DNA-binding proteins based on XGB-RFE feature optimization and stacked ensemble classifier”的高水平论文，报道了构建预测DNA结合蛋白的人工智能算法模型—StackPDB。该模型表现出较强的泛化能力以及优异的计算稳定性。于彬副教授为论文的通讯作者，研究生张青梅为第一作者，jbo竞博体育电竞为第一完成单位。
本研究首次将梯度提升决策树和递归特征消除算法结合应用到DNA结合蛋白领域，对高维数据进行降维处理，降维后得到的低维子空间不仅可以保留有效信息，还可以剔除冗余和噪声。此外，本研究首次使用XGBoost、LightGBM和SVM组成的Stacking集成学习分类器，最严格的留一法检验结果表明，StackPDB预测模型表现了出色的DNA结合蛋白识别能力，给定蛋白质序列能够准确的识别出是否为DNA结合蛋白。通过与其它已报道的先进预测模型相比，StackPDB具有较快的运行速度以及较高的预测能力。本文提出的梯度提升决策树和递归特征消除算法相结合的策略，以及多种机器学习方法集成的方案，有望为新药研发和疾病治疗提供指导，也可用于生物信息学领域的其它重要问题研究。
文章链接：https://doi.org/10.1016/j.asoc.2020.106921
此外，该课题组还在生物信息学研究领域的顶级期刊Bioinformatics取得两项关于蛋白质组学研究的重要成果，相关工作已发表论文：
Protein-protein interaction sites prediction by ensemble random forests with synthetic minority oversampling technique. Bioinformatics, 2019, 35(14): 2395-2402。jbo竞博体育电竞本科生王筱颖为论文的第一作者，于彬副教授为通讯作者。
SubMito-XGBoost: predicting protein submitochondrial localization by fusing multiple feature information and eXtreme gradient boosting. Bioinformatics, 2020, 36(4): 1074-1081。于彬副教授为第一作者及通讯作者，硕士生邱文莹为第二作者。以上两篇论文均以jbo竞博体育电竞为第一完成单位。
Bioinformatics是牛津大学出版社 (Oxford Academic) 出版的JCR一区顶级期刊，2020年的影响因子为5.610，在SCI收录的227个“Mathematics”大类期刊中 “Statistics and Probability”小类排名第4。在SCI收录的146个“Mathematics”大类期刊中“Computational Mathematics”小类排名第5。
（撰稿：李磊 审核：王明辉）
当前位置：