一种基于最近邻分类器的治疗肽预测方法

本发明公开了一种基于最近邻分类器的治疗肽预测方法，属于生物信息领域。该方法先对QSP740和CPP400数据集用UniRep模型提取肽序列特征，再在K最近邻算法基础上融合核风险敏感损失函数构建目标函数，结合RBF函数、余弦相似度和皮尔逊相关系数三种相似性矩阵构建多拉普拉斯矩阵以增强模型鲁棒性，最后通过最小化目标函数分类待预测肽序列并评估性能。本发明利用深度学习自动提取特征，通过核风险损失函数提升模型鲁棒性，借助多视图拉普拉斯正则化处理数据不确定性，与现有方法相比，能更准确预测治疗肽类型，提高分类精度和抗噪能力。