基于信息融合的高分辨率蛋白质定位预测

如何从蛋白质的一级序列来计算其亚细胞定位在过去十余年中一直是一个生物信息学研究中非常活跃的话题。目前已经面世的蛋白质亚细胞定位预测算法和软件有上百种之多。这些算法几乎都是采用机器学习算法对从蛋白质序列中提取的特征进行分类。而本项目将采用全新的思路，打破现有的问题框架，通过融合蛋白质相互作用网络，调控通路网络，并在网络结构上重新利用蛋白质序列及序列相关数据（理化特性，功能域组成，GO标注等），再结合进已有的基于序列信息的大量软件的预测能力，同时在亚细胞层次和更深入的亚-亚细胞层次以更高分辨率和更高的精度解决蛋白质的多点动态定位预测问题。以期为功能蛋白质组学研究提供真正可靠并且实用的计算工具，并为蛋白质功能预测，结构预测等相关领域提供可借鉴的经验。

如何从蛋白质的一级序列来计算其亚细胞定位在过去十余年中一直是一个生物.信息学研究中非常活跃的话题。目前已经面世的蛋白质亚细胞定位预测算法和软件有上百种之多。这些算法几乎都是采用机器学习算法对从蛋白质序列中提取的特征进行分类。在本项目中，我们通过将蛋白质相互作用网络作为信息传播和融合的平台结构，将多个基于序列的预测器的预测结果在其上进行统筹考虑和融合，有效的改进了预测性能。此外，我们还在蛋白质亚-亚细胞定位预测及蛋白质序列表示方法上进行了一些探索。