基于FF和VIM的嗜熱蛋白質(zhì)預(yù)測(cè)*

王鮮芳,盧 凡,劉依鋒,李啟萌

(1.河南工學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,河南 新鄉(xiāng) 453003;2.河南師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,河南 新鄉(xiāng) 453007)

0 引言

嗜熱蛋白質(zhì)在開發(fā)應(yīng)用方面有著非常廣闊的前景。在發(fā)酵行業(yè)中,可利用其能耐受高溫這一特性,提高反應(yīng)溫度和速度,減少中溫型雜菌污染的機(jī)會(huì)[1],來生產(chǎn)多種催化劑。由嗜熱蛋白質(zhì)生產(chǎn)的這些酶制劑具有熱穩(wěn)定性好,催化反應(yīng)速率高,易于在室溫下保存等優(yōu)點(diǎn)。嗜熱蛋白質(zhì)研究中最引人注目的成果之一是將水生棲熱菌中耐熱的TaqDNA聚合酶[2]用于基因研究和遺傳工程以及基因技術(shù)之中。所以對(duì)于嗜熱蛋白質(zhì)的預(yù)測(cè)顯得尤為重要。

目前嗜熱蛋白質(zhì)預(yù)測(cè)主要有兩類方法:生物實(shí)驗(yàn)手工標(biāo)注和計(jì)算方法預(yù)測(cè)[3]。在后基因組時(shí)代,隨著DNA和蛋白質(zhì)序列以及結(jié)構(gòu)信息的大量積累,傳統(tǒng)的手工實(shí)驗(yàn)費(fèi)時(shí)費(fèi)力,所以人們更傾向于利用數(shù)學(xué)、計(jì)算機(jī)科學(xué)知識(shí)分析、挖掘生物數(shù)據(jù),以尋求蘊(yùn)含在其中的生物規(guī)律[4]。近年來,機(jī)器學(xué)習(xí)算法被廣泛應(yīng)用到蛋白質(zhì)預(yù)測(cè)中,目前常用的機(jī)器學(xué)習(xí)分類算法有線性判別分析、K近鄰算法、決策樹、樸素貝葉斯、支持向量機(jī)[5]和神經(jīng)網(wǎng)絡(luò)等。其中,Hua和Sun[6]等人采用氨基酸組成方法構(gòu)造特征表達(dá)模型,在蛋白質(zhì)數(shù)據(jù)集上取得了高達(dá)91.4%的預(yù)測(cè)準(zhǔn)確率;Wu[7]等人運(yùn)用決策樹預(yù)測(cè)嗜熱蛋白質(zhì)的熱穩(wěn)定性,其精度達(dá)到80%以上;Dao[2]等人運(yùn)用支持向量機(jī)對(duì)嗜熱蛋白質(zhì)進(jìn)行預(yù)測(cè),在五折疊交叉驗(yàn)證中精度達(dá)到了92.75%。以上實(shí)驗(yàn)都取得了較好的預(yù)測(cè)精度,但是預(yù)測(cè)性能還需要進(jìn)一步提升,同時(shí)這些實(shí)驗(yàn)都為我們進(jìn)一步提升[8]嗜熱蛋白質(zhì)的預(yù)測(cè)精度提供了很好的借鑒。

現(xiàn)有的預(yù)測(cè)研究方法大部分只是提取單一的蛋白質(zhì)特征,并未全面地將嗜熱蛋白質(zhì)的內(nèi)在信息表達(dá)出來,在一定程度上限制了模型的預(yù)測(cè)性能。為此,本文提出了基于特征融合(Feature Fusion,FF)的多層感知機(jī)(Multi-Layer Perception,MLP)預(yù)測(cè)模型。首先,分別使用多段氨基酸組成(Multi-stage Amino Acid Composition,MAAC)、G-gap二肽組成和組成轉(zhuǎn)變分布組成(Composition Transition Distribution Composition,CTDC)來表征嗜熱蛋白質(zhì)序列,通過串聯(lián)融合的方式構(gòu)建嗜熱蛋白質(zhì)的特征向量。然后,對(duì)特征進(jìn)行貢獻(xiàn)度分析,挑選前179維特征重要性評(píng)估(Variable Importance Measures,VIM)得分最高的特征作為模型的最優(yōu)特征子集。通過多種機(jī)器學(xué)習(xí)算法的比較,將MLP作為最終的分類算法,構(gòu)建基于多特征融合的嗜熱蛋白質(zhì)類型預(yù)測(cè)模型。

1 嗜熱蛋白質(zhì)預(yù)測(cè)模型

在本研究中,首先嗜熱蛋白質(zhì)使用G-gap二肽組成、CTDC和MAAC三種特征提取方法進(jìn)行表征,共構(gòu)建了499維特征向量,然后使用VIM分析各個(gè)特征的貢獻(xiàn)度以挑選最優(yōu)特征子集,最后利用MLP來構(gòu)建最終的預(yù)測(cè)模型。實(shí)驗(yàn)步驟如圖1所示。

圖1 基于FF和VIM的嗜熱蛋白質(zhì)預(yù)測(cè)流程

2 蛋白質(zhì)序列特征表達(dá)模型

蛋白質(zhì)序列是由20種氨基酸之間相互脫水縮合形成的。一條長(zhǎng)度為N的[8]蛋白質(zhì)P可以表達(dá)為:

P=R1R2…Ri…RN

式中,每一個(gè)R代表這條蛋白質(zhì)中的一個(gè)氨基酸殘基。例如R1代表蛋白質(zhì)P的第一個(gè)氨基酸殘基,R2代表蛋白質(zhì)P的第二個(gè)氨基酸殘基,Ri代表蛋白質(zhì)P的第i個(gè)氨基酸殘基,則RN就是第N個(gè)氨基酸殘基。

2.1 多段氨基酸組成(MAAC)

MAAC是在氨基酸組成上的進(jìn)一步演變,該方法通過計(jì)算組成序列氨基酸的頻率來表征蛋白質(zhì)序列[9],與傳統(tǒng)氨基酸組成方法相比,MAAC聯(lián)合蛋白質(zhì)兩端區(qū)域與中間段的氨基酸信息。本研究中將整段蛋白質(zhì)序列分成三段,分別是N端氨基酸區(qū)域、中間段以及C端氨基酸區(qū)域。MAAC把蛋白質(zhì)的空間位置信息融進(jìn)特征中,一條蛋白質(zhì)信息將由20維轉(zhuǎn)變?yōu)?0維。

SAAC=[S1,S2,S3]T

(2)

Sj=[a1j,a2j,a3j,…,a20j]T,(j=1,2,3)

(3)

(4)

式(2)中,S1代表前三分之一的蛋白質(zhì)序列的氨基酸組成表征,S2代表中間三分之一的蛋白質(zhì)序列的氨基酸組成表征,S3代表后三分之一的蛋白質(zhì)序列的氨基酸組成表征。式(3)中aij代表第j段氨基酸序列的第i種氨基酸出現(xiàn)的頻率[10]。式(4)中cij代表統(tǒng)計(jì)第j段氨基酸序列中第i種氨基酸的個(gè)數(shù)。

2.2 G-gap二肽組成

二肽組成方法通過計(jì)算蛋白質(zhì)序列中任意兩個(gè)相鄰氨基酸組成的二肽的頻率形成特征向量來表征蛋白質(zhì)[11]。而20種基礎(chǔ)氨基酸兩兩的排列組合得到的二肽形式共有400種,因此該方法將一條蛋白質(zhì)序列表征為400維的數(shù)字特征向量:

D=[f1,f2,…,f400]T

(5)

(6)

式中,vi表示第i種相鄰氨基酸對(duì)組成的二肽出現(xiàn)的次數(shù),fi表示第i種相鄰氨基酸對(duì)的頻率。在傳統(tǒng)的二肽組成方法的基礎(chǔ)上進(jìn)一步提出G-gap二肽組成[12]方法,其公式如下:

(7)

(8)

2.3 組成轉(zhuǎn)變分布組成(CTDC)

CTDC特征提取方法將組成蛋白質(zhì)的20種基礎(chǔ)氨基酸[13]分成三類,以疏水性為例,所有的氨基酸都可以分為極性、中性和疏水性三種類別。然后,分別統(tǒng)計(jì)每一類氨基酸殘基在整個(gè)蛋白質(zhì)序列中出現(xiàn)的頻率,記作n(x),計(jì)算每一個(gè)類別所占的百分比,公式如下:

(9)

式中,g1代表類別一極性[9],g2代表類別二中性,g3代表疏水性,其中N表示蛋白質(zhì)氨基酸殘基的總個(gè)數(shù)。

3 特征重要性評(píng)估(VIM)

本文使用MAAC、G-gap二肽組成和CTDC三種特征提取方法,共同構(gòu)建向量維度為499維,使用VIM來挑選影響模型最大的特征子集,并以此縮減建模型輸入變量的特征數(shù)。本文使用隨機(jī)森林(Random Forest,RF)來進(jìn)行特征重要性評(píng)估,使用Gini指數(shù)作為評(píng)價(jià)指標(biāo)來衡量特征對(duì)于模型的重要度[14]。

輸入特征為X1,X2,…,XM,其Gini指數(shù)的計(jì)算公式如下:

(10)

式中,K指數(shù)據(jù)的類別數(shù),嗜熱蛋白預(yù)測(cè)屬于二分類問題,所以K=2。pmk表示節(jié)點(diǎn)m中類別k所占的比例。

(11)

式中,GIl與GIr為m節(jié)點(diǎn)分枝后的兩個(gè)節(jié)點(diǎn)的基尼指數(shù)。若特征Xj在第i棵樹中出現(xiàn)的頻率為M,則特征Xj在第i棵樹的貢獻(xiàn)度為:

(12)

若RF中分類樹的數(shù)量為n棵,則特征Xj的Gini指數(shù)為[15]:

(13)

4 多層感知機(jī)(MLP)

MLP最重要的一個(gè)特點(diǎn)是多層,除了輸入輸出層,它中間可以包含多個(gè)隱藏層。本文的MLP模型如圖2所示,包含兩個(gè)隱藏層,總共四層結(jié)構(gòu)[16]。

從圖2可知,MLP的層與層之間的所有神經(jīng)元都有連接。MLP第i層是輸入層,h層是隱藏層,最右邊一列代表輸出層。每一層輸出都是上層輸入的線性函數(shù),無論MLP有多少層,輸出都是輸入的線性組合。而激活函數(shù)的使用,能夠給神經(jīng)元引入非線性功能,使得MLP可以任意逼近任何非線性函數(shù),這樣MLP就可以適用于更多的非線性模型中。本文模型激活函數(shù)使用的是Relu函數(shù),表達(dá)式如下所示:

Relu(x)=max(x,0)

(14)

圖2 MLP原理圖

輸入層為嗜熱蛋白質(zhì)序列樣本,用向量X=(x1,x2…xn)表示。第一個(gè)隱藏層與輸入層之間的解析表達(dá)式為:

(15)

(16)

輸出層o為:

o={+1,-1}

(17)

式中的+1代表嗜熱蛋白質(zhì),而-1代表常溫蛋白質(zhì)。

MLP的學(xué)習(xí)過程就是根據(jù)訓(xùn)練集來對(duì)神經(jīng)元之間的連接權(quán)以及每個(gè)功能神經(jīng)元的閾值進(jìn)行調(diào)整。

5 實(shí)驗(yàn)結(jié)果與分析

5.1 數(shù)據(jù)集來源

本文研究的嗜熱蛋白質(zhì)和常溫蛋白質(zhì)樣本數(shù)據(jù)集來源于文獻(xiàn)[2],從UniProt中根據(jù)最適宜溫度的標(biāo)記選取嗜熱蛋白質(zhì)和常溫蛋白質(zhì)序列,對(duì)于選取的蛋白質(zhì)序列,包含“B”“J”“O”“U”“X”和“Z”的序列被剔除,并使用CD-HIT軟件去除冗余,同時(shí)序列相似度在40%以上也被刪除。通過以上步驟,獲得915條嗜熱蛋白質(zhì)序列以及793條常溫蛋白質(zhì)序列,最終以共1708條蛋白質(zhì)序列作為本文的數(shù)據(jù)集N,其表示如下:

N=NT∪NM

(18)

式中,NT表示915條嗜熱蛋白質(zhì)序列的數(shù)據(jù)集,NM表示793條常溫蛋白質(zhì)序列的數(shù)據(jù)集。

5.2 交叉驗(yàn)證與性能評(píng)價(jià)

分類預(yù)測(cè)常用的交叉驗(yàn)證方法有K折交叉驗(yàn)證和留一法。K折交叉驗(yàn)證方法基本原理是將樣本數(shù)據(jù)有n個(gè)的集合S分割為k個(gè)大小相同的互斥子集,其表達(dá)式為:

S=s1∪s2∪s3…∪sk

(19)

k為子集個(gè)數(shù),然后依次從k個(gè)子集中選出1個(gè)子集作為驗(yàn)證集,其余k-1個(gè)子集作為測(cè)試集,進(jìn)行k次模型訓(xùn)練和驗(yàn)證。而留一法是將樣本分割成n份,即一個(gè)子集包含一個(gè)樣本,每次選出一個(gè)樣本作為驗(yàn)證集,其余n-1個(gè)樣本作為訓(xùn)練集,進(jìn)行n次模型訓(xùn)練和驗(yàn)證。

對(duì)比其余交叉驗(yàn)證方法,留一法[18]被認(rèn)為是最嚴(yán)格最客觀的,所以本文主要運(yùn)用留一法進(jìn)行交叉驗(yàn)證。

針對(duì)嗜熱蛋白質(zhì)分類問題,通過把樣本的真實(shí)類別與模型的預(yù)測(cè)類別進(jìn)行對(duì)比,可以形成真正例、假正例、真反例、假反例四種情況,如表1所示[19]。

表1 混淆矩陣表

常用的模型性能評(píng)價(jià)指標(biāo)主要包括:準(zhǔn)確率(Acc)、馬修斯相關(guān)系數(shù)(MCC)、查準(zhǔn)率(P)、敏感性(Sn)和特異性(Sp),具體如下。

準(zhǔn)確率(Acc)定義為:

(20)

敏感性(Sn)定義為:

(21)

特異性(Sp)定義為:

(22)

查準(zhǔn)率(P)定義為:

(23)

馬修斯相關(guān)系數(shù)(MCC)定義為:

MCC=

(24)

本文利用以上性能評(píng)價(jià)指標(biāo)對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析。

5.3 實(shí)驗(yàn)結(jié)果分析

將嗜熱蛋白質(zhì)看作正樣本,將常溫蛋白質(zhì)看作負(fù)樣本。本文實(shí)驗(yàn)數(shù)據(jù)集存在正負(fù)樣本不平衡的狀態(tài),正負(fù)樣本不平衡可能會(huì)影響最后的預(yù)測(cè)結(jié)果,降低模型的泛化性能。為此,本實(shí)驗(yàn)對(duì)于樣本采取欠采樣方法隨機(jī)刪除部分正樣本,使得正樣本個(gè)數(shù)與負(fù)樣本數(shù)據(jù)基本持平,確保實(shí)驗(yàn)結(jié)果的精確性與可靠性。本文針對(duì)現(xiàn)有模型特征工程表征能力不足的問題,提出使用MAAC、G-gap二肽組成和CTDC三種蛋白質(zhì)提取方法分別對(duì)嗜熱蛋白質(zhì)進(jìn)行表征,然后將提取的三種特征進(jìn)行特征融合構(gòu)建樣本的特征,MAAC構(gòu)建的蛋白質(zhì)特征向量為60維,CTDC用39維特征表征蛋白質(zhì),G-gap二肽使用400維特征,共有499維特征向量,特征融合雖然可以使得蛋白質(zhì)信息表達(dá)得更加全面,但是也帶來了由于維度過大增加計(jì)算復(fù)雜度的問題,同時(shí)還會(huì)存在信息冗余現(xiàn)象,為了解決這個(gè)問題并減少訓(xùn)練時(shí)間,本實(shí)驗(yàn)對(duì)特征進(jìn)行了特征重要度分析,得出每個(gè)特征的VIM得分。

5.3.1 嗜熱蛋白質(zhì)特征變量重要性分析

本文使用VIM分析各個(gè)特征的貢獻(xiàn)度。RF是一種常見的機(jī)器學(xué)習(xí)算法,其在度量特征重要性方面相比于其他機(jī)器學(xué)習(xí)算法更具優(yōu)勢(shì),所以本文使用包含250棵決策樹的RF模型,獲得了嗜熱蛋白質(zhì)特征VIM得分,如圖3所示。

圖3 嗜熱蛋白質(zhì)特征重要性分析

從圖3可知,特征排序是按照VIM得分由高到低依次排列的。為了更清晰明確地得出對(duì)于預(yù)測(cè)貢獻(xiàn)度較大的特征,我們選取VIM得分較高的前20維特征,如圖4所示。VIM得分越高說明特征貢獻(xiàn)度越高,從圖4可知在貢獻(xiàn)度較高的前20維特征中,CTDC的貢獻(xiàn)率是最高的,前六維的特征均來自CTDC,總貢獻(xiàn)率大約是占據(jù)第二位的多段氨基酸的貢獻(xiàn)度的三倍,說明CTDC與嗜熱蛋白質(zhì)預(yù)測(cè)精度的提升有很大的關(guān)聯(lián)。

圖4 特征重要性較高的前20維特征

5.3.2 嗜熱蛋白質(zhì)特征篩選

通過VIM算法,對(duì)特征重要度進(jìn)行分析,按VIM得分從高到低對(duì)特征進(jìn)行排列。特征的排序越靠前,其對(duì)嗜熱蛋白質(zhì)的預(yù)測(cè)就越重要?；谔卣髋判?以設(shè)定VIM得分閾值來挑選最優(yōu)特征子集,通過計(jì)算不同VIM得分閾值組成的特征子集所建模型的精確度來確定最優(yōu)閾值。其實(shí)驗(yàn)結(jié)果如圖5所示,當(dāng)VIM得分設(shè)定在0.0013時(shí),即所選特征子集包含了VIM得分在0.0013以上的特征,精確度最高達(dá)到93.19%。VIM得分在0.0013以上的共179維,則對(duì)應(yīng)的特征子集由得分最高的前179維特征組成,即為嗜熱蛋白質(zhì)的最優(yōu)特征子集。多層感知機(jī)的各項(xiàng)參數(shù)為:solver設(shè)置為lbfgs, alpha設(shè)置為1e-2,隱藏層設(shè)置為2層,每層78個(gè)神經(jīng)元,隨機(jī)種子設(shè)置為100。

圖5 特征VIM得分精度圖

5.3.3 不同特征提取方法的比較

為了更加客觀地評(píng)價(jià)本文所建融合特征模型的預(yù)測(cè)性能,使用MAAC、G-gap二肽組成和CTDC三種特征提取方法進(jìn)行特征融合來表征嗜熱蛋白質(zhì),然后提取嗜熱蛋白質(zhì)的最優(yōu)特征子集來構(gòu)建嗜熱蛋白質(zhì)的最終融合特征,與使用G-gap、CTDC、MAAC、MAAC+CTDC、MAAC+G-gap、CTDC+G-gap等6種蛋白質(zhì)特征提取方法所構(gòu)建的嗜熱蛋白質(zhì)預(yù)測(cè)模型分別進(jìn)行對(duì)比,并使用留一法進(jìn)行交叉驗(yàn)證,結(jié)合多種評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比,對(duì)比結(jié)果如表2所示。由表2可知,基于本文特征構(gòu)建的預(yù)測(cè)模型精確度高達(dá)93.19%,高于其余6個(gè)模型的預(yù)測(cè)精度,且在查準(zhǔn)率(P)、敏感度(Sn)、特異性(Sp)、馬修斯相關(guān)系數(shù)(MCC)這四個(gè)指標(biāo)上也高于其余6個(gè)模型。且本文特征所建模型的敏感度(Sn)為93.69%,特異性(Sp)為92.69%,說明基于本文特征所構(gòu)建的模型對(duì)于正負(fù)樣本的預(yù)測(cè)效果都很好,幾乎達(dá)到了平衡。進(jìn)一步說明本文使用的特征融合預(yù)測(cè)模型在提高嗜熱蛋白質(zhì)的預(yù)測(cè)精度上有很大的作用。

5.3.4 不同分類算法在數(shù)據(jù)集上的精確度對(duì)比

本文采用的特征融合表征方法在一定程度上提高了預(yù)測(cè)精度,為了更客觀地評(píng)價(jià)多層感知機(jī)構(gòu)建模型的預(yù)測(cè)性能,將MLP與線性判別分析 (Linear Discriminant Analysis,LDA)、樸素貝葉斯(Nave Bayes,NB)、決策樹 (Decision Tree,DT)、K近鄰 (k-Nearest Neighbors,KNN)4種分類算法所構(gòu)建的模型進(jìn)行對(duì)比,為了保證一致性,實(shí)驗(yàn)的數(shù)據(jù)集均使用篩選的179維最優(yōu)特征子集,并采用留一法進(jìn)行交叉驗(yàn)證,對(duì)比結(jié)果如表3所示。

從表3可知,DT構(gòu)建的模型預(yù)測(cè)性能最低,在精確度(Acc)、查準(zhǔn)率(P)、敏感度(Sn)、特異性(Sp)、馬修斯相關(guān)系數(shù)(Mcc)五項(xiàng)評(píng)價(jià)指標(biāo)當(dāng)中最低,而LDA在五項(xiàng)評(píng)價(jià)指標(biāo)中表現(xiàn)略低于MLP,但均高于其余三種分類算法。NB的整體預(yù)測(cè)性能比DT略勝一籌,但是比KNN的預(yù)測(cè)性能稍低。MLP的性能最佳,預(yù)測(cè)精度達(dá)到了93.19%,比其余四種對(duì)比算法分別提高了1.14%、4.29%、7.51%、3.22%。在敏感度、特異性兩個(gè)評(píng)估指標(biāo)上高達(dá)92.6%以上,證明使用MLP能構(gòu)建更優(yōu)的預(yù)測(cè)模型。

表2 不同特征預(yù)測(cè)結(jié)果對(duì)比

表3 不同分類算法對(duì)分類效果的影響

為了更加直觀地比較MLP、LDA、KNN、DT、NB這五種分類算法的分類效果,繪制了這五種分類算法的P-R曲線圖與ROC曲線圖,如圖6、圖7、圖8所示。從圖6可以發(fā)現(xiàn),多層感知機(jī)MLP的P-R曲線圖包裹住了其余四種分類算法的曲線,證明其分類效果更好;同時(shí)從圖7可得,MLP的曲線圖也包住了其余分類算法的曲線,而ROC曲線的面積越大,分類性能更好;從圖8我們可以看出MLP的ROC面積達(dá)到了0.98。從以上三個(gè)指標(biāo)綜合分析可得,MLP在嗜熱蛋白質(zhì)的分類性能上超越了其余的分類算法,分類效果更佳。

圖6 不同分類算法的P-R曲線圖

圖7 不同分類算法的ROC曲線圖

圖8 多層感知機(jī)的ROC曲線圖

5.3.5 與現(xiàn)有模型對(duì)比

為了驗(yàn)證模型的有效性,與使用同一數(shù)據(jù)集的其余實(shí)驗(yàn)進(jìn)行對(duì)比是很有必要的,所以我們同文獻(xiàn)[2]和文獻(xiàn)[20]的實(shí)驗(yàn)進(jìn)行對(duì)比,結(jié)果如表4所示。本文方法的特異性指標(biāo)Spe為0.9269,高于文獻(xiàn)[2]的方法而低于文獻(xiàn)[20]的方法;但精確度指標(biāo)Acc為0.9319,敏感性指標(biāo)Sen達(dá)到0.9369,均高于其余兩種方法。結(jié)合以上分析可知,本文方法對(duì)于嗜熱蛋白質(zhì)預(yù)測(cè)性能的提升是有效的。

表4 同一數(shù)據(jù)集上不同方法的預(yù)測(cè)結(jié)果對(duì)比

6 總結(jié)

本文針對(duì)單一特征表征蛋白質(zhì)信息不充分的問題,提出了基于特征融合的概念,將MAAC、G-gap二肽組成和CTDC三種蛋白質(zhì)特征提取方法結(jié)合起來用于表征嗜熱蛋白質(zhì)的特征向量,利用VIM方法篩選最優(yōu)特征子集,特征維度降低的同時(shí)減少冗余信息與降低時(shí)間復(fù)雜度。經(jīng)過實(shí)驗(yàn)對(duì)比分析發(fā)現(xiàn),本文所提出的融合特征表達(dá)的預(yù)測(cè)性能更優(yōu),選用MLP作為分類算法,并采用留一法在多個(gè)分類算法上進(jìn)行交叉驗(yàn)證,精度高達(dá)93.19%。結(jié)果表明將多個(gè)特征融合起來,并使用MLP來構(gòu)建預(yù)測(cè)模型對(duì)于嗜熱蛋白質(zhì)預(yù)測(cè)性能的提高是有效的。