蛋白质功能预测是生物信息学研究领域中的热点之一。根据蛋白质不同的相似度特性，研究人员设计了许多核来表示蛋白质之间的关系。不同的核代表了描述蛋白质之间的相似性的领域相关的信息。一般来说，由于这些信息之间通常具有互补性，多核学习利用这一点，可以在一定程度上克服数据之间的异构性，从而提高蛋白质功能预测的精度。然而，基于领域知识定义的核矩阵存在孤立的蛋白质节点，而且，蛋白质之间相似度受噪声的影响较大。本文提出通过添加一个全联通的核来增强已有的核，通过在其上应用标签传播算法，不仅可以对孤立的蛋白质节点进行预测，而且可以降低噪声对蛋白质功能预测的破坏作用，提高预测精度。我们在多个蛋白质基准数据集上进行了实验，结果显示，增强核能显著提高预测精度。
中国科技论文在线
