一种基于极限提升树（XGBoost）算法的蛋白表达系统优选模型的构建

本发明公开了一种基于极限提升树(XGBoost)算法的蛋白表达系统优选的模型，涉及蛋白表达领域，包括：针对大肠杆菌(E.coli)、毕赤酵母(Pichia P)、草地贪夜蛾细胞(sf9)、中国仓鼠卵巢细胞(CHO)等4种蛋白表达系统的所有蛋白序列信息，利用生物信息学软件分析相关蛋白序列和结构数据，经过数据预处理得到表达系统蛋白表征数据库，并将其划分为训练数据集和测试数据集；通过特征筛选和得到对区分蛋白表达系统有重要影响的特征，用于后续算法建模；利用重要特征数据和XGBoost算法对数据进行模型构建，针对算法进行超参数模型优化得到最优模型；进一步在验证集和测试集上对优化模型进行性能验证。本发明构建了一种基于XGBoost算法的的蛋白表达系统优选，该工具能过够评估目标蛋白和表达系统适配性，从而指导蛋白表达系统的选择。