1.5.2　使用随机森林方法进行蛋白质结合位点的预测

与蛋白质-小分子配体结合位点相比，蛋白质-蛋白质分子的结合表面较为平坦；虽然有疏水性区域，但其聚集程度较低，在几何特征及物理化学性质方面，它也不像蛋白质-小分子配体结合位点那样具有突出、易于区分的特征。所以蛋白质-蛋白质结合位点预测的难度更大一些。

随机森林是一个包含多个决策树的分类器，并且其输出的类别是由森林中每棵树输出的类别的众数而定。作为一种机器学习算法，它具有诸多优点。比如，对于多种数据资料，可以产生高准确度的分类器；能处理大量的输入变量，并且能评估变量的重要性；对于不平衡数据，能平衡误差等等。

我们提出了一个基于单块的残基属性定义模型用来描述残基特征，即把目标残基周围的9个残基组成的块的属性作为它的属性。把这些属性作为输入特征向量，用随机森林构建预测器。对于配体结合位点数据集，这个预测器表现良好。但是这个基于单块的模型用于蛋白质-蛋白质结合位点数据集时，未能取得理想的准确率。

考虑到蛋白质-蛋白质结合位点特征不明显，对残基的定义，增加了属性的数量，同时考虑目标残基周围远近范围残基分布的特点。这样，我们设计了一个基于多块的残基属性定义模型用来描述残基特征。对于蛋白质-蛋白质结合位点数据集，与最近发表的方法比较，由基于多块的模型训练得到的随机森林预测器取得了较好的结果。