基于K近鄰算法的人類lncRNA亞細胞定位預測

目錄TOC\o"1-3"\h\u71561引言 5267902緒論 5161422.1lncRNA亞細胞定位預測的選題依據(jù)及研究意義 5129402.2研究現(xiàn)狀 6121222.3研究工作和結(jié)構(gòu)安排 8165863數(shù)據(jù)集的建立 930403.1數(shù)據(jù)集的采集和預處理 9101423.1.1數(shù)據(jù)收集 9112173.1.2數(shù)據(jù)預處理 9280653.2數(shù)據(jù)集的處理 9324903.2.1特征提取 9166603.2.2亞細胞定位標記 10271254K近鄰算法實現(xiàn) 11278774.1K值的選擇 11185104.2距離度量 11252764.3模型訓練 13152474.4預測結(jié)果及分析 13219704.5模型改進方向 16122935結(jié)語 1784246致謝 178313參考文獻 17摘要：隨著數(shù)據(jù)量的急劇增長，利用傳統(tǒng)的生物實驗方法識別lncRNA亞細胞定位愈發(fā)耗時耗力。本文旨在基于K近鄰算法構(gòu)建一個用于預測人類lncRNA亞細胞定位的模型，以便快捷高效地找到一條未知的lncRNA序列在細胞中的位置。本研究從3個類型的亞細胞中抽取各50條lncRNA序列，并將其以四種特征進行量化，再與亞細胞定位標簽連接起來，形成數(shù)據(jù)集，隨機選用數(shù)據(jù)集中80%作為訓練集，其余的20%作為測試集，使用KNN算法對數(shù)據(jù)集中序列的亞細胞定位進行預測，最后分析所得結(jié)果，得出結(jié)論：當限取k=3,5,7,9時，第一、四類特征的正確率略高于其它兩種特征。當不限k的取值時，第二類特征可達到的最大正確率高于其他三種特征。論文所得到的結(jié)論和采用的方法為更好的識別lncRNA亞細胞定位提供了一定的理論依據(jù)。關(guān)鍵詞：長鏈非編碼RNA亞細胞定位K近鄰算法1引言長鏈非編碼RNA（longnoncodingRNA，lncRNA）是一類重要的RNA分子，與許多生物學過程密切相關(guān)。近年來，關(guān)于lncRNA的功能及其作用機制的研究呈現(xiàn)出顯著的增長趨勢，學術(shù)界對此領(lǐng)域的研究興趣日益濃厚。要想深入理解其功能和作用機制，必得先知其亞細胞定位，因此，準確預測lncRNA亞細胞定位對于其功能的研究具有重要意義。目前，基于機器學習算法的亞細胞定位預測方法已經(jīng)取得了一定的進展，而k近鄰算法作為一種廣為應用的機器學習算法，因其簡單性和高效性，常常被視為首選方法之一。因此，基于k近鄰算法的lncRNA亞細胞定位預測成為了當前研究的熱點之一。2緒論2.1lncRNA亞細胞定位預測的選題依據(jù)及研究意義隨著功能基因組學的迅猛進展，人們對非編碼RNA（non-codingRNA,ncRNA）轉(zhuǎn)錄產(chǎn)物的功能研究日益關(guān)注。在這些非編碼RNA中，長鏈非編碼RNA（longnon-codingRNA,lncRNA）因其占比顯著而備受矚目，成為了當前研究的熱點。當前，大量的實驗研究表明，lncRNA能夠定位在細胞內(nèi)的多種位置，且其在不同的亞細胞區(qū)域執(zhí)行的功能各異。因此，精確鑒定lncRNA的多樣亞細胞定位對于深化我們對其生物學功能的理解至關(guān)重要。已有的研究揭示，lncRNA的作用廣泛涵蓋生物體的生理和病理過程的各個方面。對lncRNA功能的深入探討，不僅有助于我們深入理解生物體的基因表達調(diào)控機制，還可能為疾病診斷與治療提供新的靶點和策略。例如，lncRNA可以通過與miRNA的相互作用來參與細胞活動，lncRNA可以通過抑制miRNA的成熟來抑制細胞增殖[[]TiechengL,DiW,ShuoY.AnalysisofthesubcellularlocationoflncRNASLC16A1-AS1anditsinteractionwithprematuremiR-5088-5pinoralsquamouscellcarcinoma.[J].Odontology,2023,111(1):41-48.]，lncRNA還可以通過影響基因表達水平，對多種癌細胞的增殖、凋亡及侵襲特性產(chǎn)生顯著影響[[]趙海龍,李斌,鄭鳳長,等.LncRNANEAT1調(diào)節(jié)miR-128-3p/HNRNPL軸對非小細胞肺癌細胞增殖、凋亡及PD-1/PD-L1表達的影響[J].現(xiàn)代免疫學,2024,44(02):141-151.][[]郭宏鵬,etal.LncRNALUCAT1介導的miR-199b-5p/MAPKAPK3軸在甲狀腺乳頭狀癌發(fā)展中的調(diào)控作用及機制.解剖科學進展1-8.][[]王海明,and趙高峰.LncRNAMIAT靶向miR-206促進食管鱗狀細胞癌細胞的增殖、凋亡、遷移和侵襲的作用研究.成都醫(yī)學院學報1-9.][[[]TiechengL,DiW,ShuoY.AnalysisofthesubcellularlocationoflncRNASLC16A1-AS1anditsinteractionwithprematuremiR-5088-5pinoralsquamouscellcarcinoma.[J].Odontology,2023,111(1):41-48.[]趙海龍,李斌,鄭鳳長,等.LncRNANEAT1調(diào)節(jié)miR-128-3p/HNRNPL軸對非小細胞肺癌細胞增殖、凋亡及PD-1/PD-L1表達的影響[J].現(xiàn)代免疫學,2024,44(02):141-151.[]郭宏鵬,etal.LncRNALUCAT1介導的miR-199b-5p/MAPKAPK3軸在甲狀腺乳頭狀癌發(fā)展中的調(diào)控作用及機制.解剖科學進展1-8.[]王海明,and趙高峰.LncRNAMIAT靶向miR-206促進食管鱗狀細胞癌細胞的增殖、凋亡、遷移和侵襲的作用研究.成都醫(yī)學院學報1-9.[]劉潔,謝興明,鈕洪霞,等.LncRNAMYLK-AS1調(diào)節(jié)miR-141-3p/STMN1軸對胃癌細胞增殖、凋亡和侵襲的影響[J].重慶醫(yī)科大學學報,2024,49(03):276-282.然而，目前的研究依然面臨諸多未解之謎，諸如定位機理具體運作方式、定位狀態(tài)差異下的功能轉(zhuǎn)變等深層次問題尚待破解。即便如此，在近幾年中，諸如SubcellularRNA-Seq、LncLoc等先進算法與模型已在預測精準度及實踐應用上取得顯著成效。2.2研究現(xiàn)狀長鏈非編碼RNA(longnoncodingRNA,lncRNA)是長度超過200個核苷酸，且其本身不編碼蛋白質(zhì)，而是以RNA的形式形成多層面調(diào)控基因的表達的RNA。與蛋白質(zhì)的亞細胞定位相比，lncRNA亞細胞定位的預測方法并不多，但仍然取得了一些進展?，F(xiàn)有的亞細胞定位識別方法分為傳統(tǒng)生化實驗和計算方法兩大類。熒光原位雜交等生化實驗在lncRNA的亞細胞定位方面能夠獲得令人信服的實驗結(jié)果。面對耗時、產(chǎn)量低、試劑昂貴的傳統(tǒng)生物實驗，人們也開始致力于開發(fā)出效率更高的計算方法來預測lncRNA的亞細胞定位。利用生物信息學工具，可以對生物數(shù)據(jù)進行快速高效的分析，降低分子生物學領(lǐng)域中生物學實驗的各項成本[[]歐陽錦.基于生物信息學分析識別肺癌預后相關(guān)生物標志物的研究[D].南昌大學,2022.[]歐陽錦.基于生物信息學分析識別肺癌預后相關(guān)生物標志物的研究[D].南昌大學,2022.目前，主要有以下這些預測lncRNA的亞細胞定位的計算方法：2018年，Cao等人提取原始k-mer頻次特征后疊加自編碼器生成高層次特征，基于集成學習方法，生成了一個預測lncRNA亞細胞位置的預測器，稱為lncLocator[[]ZhenC,XiaoyongP,YangY,etal.ThelncLocator:asubcellularlocalizationpredictorforlongnon-codingRNAsbasedonastackedensembleclassifier.[J].Bioinformatics(Oxford,England),2018,34(13):2185-2194.]；隨后，Su等人開發(fā)了一個將八聯(lián)體核苷酸組分集成到PseKNC中，利用SVM模型來識別lncRNA的亞細胞位置的預測器，稱為iLoc-lncRNA[[]Zhen-DongS,YanH,Zhao-YueZ,etal.iLoc-lncRNA:predictthesubcellularlocationoflncRNAsbyincorporatingoctamercompositionintogeneralPseKNC.[J].Bioinformatics(Oxford,England),2018,34(24):4196-4204.]；lncLocator模型使用了自編碼器產(chǎn)生的新特征，但在預測精度上并不理想。iLoc-lncRNA大大提高了整體精度，但對某些亞細胞，如細胞核、核糖體等位置的預測精度還需要進一步提高。之后的2020年，AhsanAhmad等人利用ngappedl-mer和l-mer特征，基于局部深度支持向量機算法，提出的lncRNA亞細胞定位預測器Locate-R，顯著提高了定位在核糖體和外泌體這兩個亞細胞位置的預測性能[[]AhmadA,LinH,ShatabdaS.Locate-R:Subcellularlocalizationoflongnon-codingRNAsusingnucleotidecompositions[J].Genomics,2020,112(3):2583-2589.]。與前三個預測器在小數(shù)據(jù)集且多個亞細胞位置上預測lncRNA的亞細胞位置不同，Gudenas等人開發(fā)了DeepLncRNA，它利用深度學習算法在大數(shù)據(jù)集上預測了[]ZhenC,XiaoyongP,YangY,etal.ThelncLocator:asubcellularlocalizationpredictorforlongnon-codingRNAsbasedonastackedensembleclassifier.[J].Bioinformatics(Oxford,England),2018,34(13):2185-2194.[]Zhen-DongS,YanH,Zhao-YueZ,etal.iLoc-lncRNA:predictthesubcellularlocationoflncRNAsbyincorporatingoctamercompositionintogeneralPseKNC.[J].Bioinformatics(Oxford,England),2018,34(24):4196-4204.[]AhmadA,LinH,ShatabdaS.Locate-R:Subcellularlocalizationoflongnon-codingRNAsusingnucleotidecompositions[J].Genomics,2020,112(3):2583-2589.[]GudenasBrianL,andWangLiangjiang.PredictionofLncRNASubcellularLocalizationwithDeepLearningfromSequenceFeatures..Scientificreports8.1(2018):16385.在國內(nèi)外，關(guān)于lncRNA亞細胞定位預測的研究已經(jīng)取得了一些進展，但仍然存在一些問題和挑戰(zhàn)：1.數(shù)據(jù)不平衡和不完整性：目前公開的lncRNA亞細胞定位數(shù)據(jù)集存在著樣本數(shù)量不平衡和標注不完整等問題，這會影響預測模型的性能和泛化能力。2.特征提取和選擇：針對lncRNA序列的特征提取和選擇是定位預測中的關(guān)鍵步驟之一。目前，尚缺乏針對不同亞細胞定位的有效特征提取方法，以及如何選擇最具代表性的特征。隨著公開的亞細胞定位數(shù)據(jù)的增加，已經(jīng)開發(fā)了許多用于識別lncRNA亞細胞定位的計算方法。不幸的是，這些計算方法存在冗余特征或過采樣過擬合的低判別能力[[]YueZZ,JieZS,HeYY,etal.Towardsabetterpredictionofsubcellularlocationoflongnon-codingRNA[J].FrontiersofComputerScience,2022,16(5):165903-.[]YueZZ,JieZS,HeYY,etal.Towardsabetterpredictionofsubcellularlocationoflongnon-codingRNA[J].FrontiersofComputerScience,2022,16(5):165903-.3.算法的效率和準確性：現(xiàn)有的預測方法在準確性和計算效率之間存在一定的平衡。一些高效的方法可能犧牲了一定的預測準確性，而一些準確性較高的方法可能計算速度較慢，難以應用于大規(guī)模數(shù)據(jù)集。綜上所述，lncRNA亞細胞定位預測的研究具有重要的理論和應用意義，而生物信息學領(lǐng)域的機器學習方法為該領(lǐng)域的研究提供了有力的工具和方法支持。然而，當前仍存在一些挑戰(zhàn)需要進一步解決，以提高預測模型的準確性和泛化能力。2.3研究工作和結(jié)構(gòu)安排本文由引論、數(shù)據(jù)集建立和算法實現(xiàn)三部分組成。引論部分主要闡述目前國內(nèi)外lncRNA亞細胞定位預測的研究背景、意義和現(xiàn)狀，并重點介紹關(guān)于lncRNA定位預測的生物信息領(lǐng)域機器學習的方法；在數(shù)據(jù)集建立的部分中，本文計劃隨機挑選150條不同亞細胞中不同的lncRNA序列，根據(jù)不同的生物特征對序列進行量化，將量化后的序列轉(zhuǎn)變?yōu)榫仃嚕?shù)據(jù)集；在算法方面，本文將詳細介紹k近鄰算法的計算過程，應用機器學習算法對所選取的lncRNA序列進行定位預測，對預測結(jié)果進行分析。3數(shù)據(jù)集的建立3.1數(shù)據(jù)集的采集和預處理3.1.1數(shù)據(jù)收集本文數(shù)據(jù)均采自RNAlocate數(shù)據(jù)庫(/rnalocate/)。該數(shù)據(jù)庫致力于提供一個RNA亞細胞定位的高效處理、瀏覽和分析的資源庫。在當前版本中，RNALocate數(shù)據(jù)庫已經(jīng)收錄了超過21萬項與RNA相關(guān)的亞細胞定位條目以及相應的實驗和預測證據(jù)，涵蓋了分布在104個不同物種的171種亞細胞定位中的超過11萬種RNA。3.1.2數(shù)據(jù)預處理在進行建模之前，我們需要對數(shù)據(jù)進行一些預處理操作，例如去除低質(zhì)量序列、去除重復序列、去除長度過短或過長的序列等。此外，還需要將序列進行歸一化處理，確保數(shù)據(jù)的一致性和可比性。經(jīng)查閱文獻，本文研究選取150條不同的人類lncRNA序列，定位于細胞質(zhì)、細胞核、細胞質(zhì)溶質(zhì)三個不同的亞細胞，以排除試驗的偶然性，如表1所示：表1：lncRNA數(shù)據(jù)集亞細胞定位LncRNA數(shù)量（個）細胞質(zhì)(Cytoplasm)50細胞核(Nucleus)50細胞質(zhì)溶質(zhì)(Cytosol)503.2數(shù)據(jù)集的處理3.2.1特征提取在應用算法進行預測前，需得對收集到的每條lncRNA序列進行量化，本文選用四種不同的特征提取方法對已收集到的150條人類lncRNA序列進行量化：1.將A,T,C,G四種堿基兩兩排列組合，共有16種不同的方式，分別為：AA,AG,AC,AG,AT,GA,GG,GC,GT,CA,CG,CC,CT,TA,TG,TC,TT,記錄不同的組合在序列中的分布情況，將序列量化為150個16維向量；2.將A,T,C,G四種堿基三三排列組合，共有64種不同的方式，分別為：AAA,AAG,AAC,AAT,GAA,GAG,GAC,GAT,CAA,CAG,CAC,CAT,TAA,TAG,TAC,TAT,AGA,AGG,AGC,AGT,GGA,GGG,GGC,GGT,CGA,CGG,CGC,CGT,TGA,TGG,TGC,TGT,ACA,ACG,ACC,ACT,GCA,GCG,GCC,GCT,CCA,CCG,CCC,CCT,TCA,TCG,TCC,TCT,ATA,ATG,ATC,ATT,GTA,GTG,GTC,GTT,CTA,CTG,CTC,CTT,TTA,TTG,TTC,TTT,記錄不同的組合在序列中的分布情況，將序列量化為150個64維向量。3.將前兩種已處理好的數(shù)據(jù)融合到一起，得到150個80維向量。4.對于一條長度為n的lncRNA序列，從其中抽取長度L=4的子序列，定義為L-元組，則所有可能的L-元組構(gòu)成集合W，易知集合W所含元素的個數(shù)C=44=256個，取一尺寸為4的滑動窗口，從該條序列的位置1滑動至位置n-3，可得到n-3個L-元組，計算集合W中各子序列在滑動得到的n-3個L-元組中出現(xiàn)個數(shù)的相對含量，對應生成一個256維向量[[]李玲,南旭瑩,姚玉華.生物序列比較的幾種數(shù)學方法及其應用[J].渤海大學學報(自然科學版),2013,34(01):1-7+70.[]李玲,南旭瑩,姚玉華.生物序列比較的幾種數(shù)學方法及其應用[J].渤海大學學報(自然科學版),2013,34(01):1-7+亞細胞定位標記將序列根據(jù)生物特征量化后，我們可以將每個lncRNA序列表示為一個特征向量，從而將長度各不同的lncRNA序列轉(zhuǎn)換為150個相同維度的向量。第一種特征得到一個150行，16列的矩陣，第二種特征得到一個150行，64列的矩陣，第三種特征得到一個150行，80列的矩陣，第四種特征得到一個150行，256列的矩陣。經(jīng)過特征提取得到量化后的矩陣需進一步處理，標記出其亞細胞定位，如對于第一種特征，定位在第一個亞細胞細胞質(zhì)（Cytoplasm）的序列標記為[1]，定位在第二個亞細胞細胞核（Nucleus）的序列標記為[2]，定位在第三個亞細胞細胞質(zhì)溶質(zhì)（Cytosol）的序列標記為[3]，得到150行，17列的矩陣。第二、三、四種特征也如此標記，全部標記好后，方可作為機器學習模型的輸入數(shù)據(jù)。4K近鄰算法實現(xiàn)K近鄰（K-nearestneighbor，KNN）算法是一種簡單且有效的機器學習算法，它的基本思想是如果一個樣本在特征空間中的k個最鄰近的樣本中大多數(shù)都屬于一個類別，那么可認為該樣本也屬于這個類別。K近鄰算法實現(xiàn)時有兩個重要的數(shù)值，一個是參數(shù)k，即選擇樣本的多少個近鄰，另一個是待測樣本與近鄰之間的距離的度量，即選擇合適的距離公式。如何選擇合適的數(shù)值來現(xiàn)實算法是K近鄰算法的核心問題。4.1K值的選擇k值是K近鄰算法中的一個關(guān)鍵參數(shù)，它決定了模型的復雜度和泛化能力。若k取了過大的值，則模型的近似誤差會變大，模型變得簡單；若k取了過小的值，則預測結(jié)果受近鄰影響極大，敏感性增強，穩(wěn)健性低，模型變得復雜，容易發(fā)生過擬合。選擇k值的常見方法是通過旁置法、留一法（也稱特殊的旁置法）來對模型的預測誤差進行估計，以找到表現(xiàn)最佳的k值。當k為偶數(shù)時，預測可能存在兩個不同的亞細胞定位類別都是最多近鄰的情況，因此，本文先分別選取k=3，5，7，9四個不同的奇數(shù)值對K近鄰算法預測結(jié)果進行分析比對，再根據(jù)初步結(jié)果選取不同的k值進行預測，使得四種不同特征的亞細胞定位正確率達到最高。4.2距離度量由于K近鄰法將樣本包含的n個觀測數(shù)據(jù)看成p維(p個輸入變量)特征空間中的點，所以可在特征空間中定義某種距離，作為測度與X0近鄰關(guān)系的依據(jù)。常用的距離有閔可夫斯基距離、歐氏距離、絕對距離、切比雪夫距離、夾角余弦距離等。對兩觀測點X和Y，若Xi是觀測點X的第i個變量值，Yi是觀測點Y的第i個變量值，兩觀測點X和Y之間的上述距離定義如下。1.閔可夫斯基距離兩觀測點X和Y間的閔可夫斯基(Minkowski)距離是兩觀測點p個變量值絕對差k次方總和的k次方根(k可以任意指定)，數(shù)學定義為:MINKOWSKI(X,Y)=k2.歐氏距離兩觀測點X和Y間的歐氏距離(Euclideandistance)是兩觀測點p個變量值之差的平方和開平方，數(shù)學定義為:EUCLID(X,Y)=i=1p(歐氏距離是閔可夫斯基距離k=2時的特例。3.絕對距離兩觀測點X和Y間的絕對距離(也稱曼哈頓(Manhattan)距離)是兩觀測點p個變量值絕對差的總和，數(shù)學定義為:BLOCK(X,Y)=i=1p絕對距離是閔可夫斯基距離k=1時的特例。4.切比雪夫距離兩觀測點X和Y間的切比雪夫(Chebyshev)距離是兩觀測點p個變量值絕對差的最大值，數(shù)學定義為:CHEBYCHEV(X,Y)=|max(Xi?Y5.夾角余弦距離兩觀測點X和Y間的夾角余弦(cosine)距離的數(shù)學定義為:COSINE(X,Y)=i=1夾角余弦距離是用于測度兩個觀測變量整體結(jié)構(gòu)相似度的一種度量方法。通過計算兩變量之間的夾角余弦值，評估它們之間的相似程度，從而揭示它們整體結(jié)構(gòu)的關(guān)聯(lián)性。夾角余弦越大，關(guān)聯(lián)性越高[[]薛薇.R語言數(shù)據(jù)挖掘[M].北京：中國人民大學出版社，2023：120-122.][]薛薇.R語言數(shù)據(jù)挖掘[M].北京：中國人民大學出版社，2023：120-122.本文采用最常用的歐氏距離對觀測值與近鄰之間的距離進行度量。4.3模型訓練本文使用Rstudio軟件（2023.12.1版本），將已處理好的150條lncRNA序列特征矩陣及其亞細胞定位標簽數(shù)據(jù)中的80%作為訓練集，20%作為測試集，輸入到KNN算法中進行訓練。4.4預測結(jié)果及分析預測結(jié)果如表2所示：表2：KNN算法預測結(jié)果特征k細胞質(zhì)（Cytoplasm）細胞核（Nucleus）細胞質(zhì)溶質(zhì)（Cytosol）總正確率第一種特征k=358.33%25%30%40%k=558.33%75%30%53.33%k=758.33%75%40%56.67%k=966.67%50%30%50%第二種特征k=387.5%8.33%20%33.33%k=575%16.67%30%36.67%k=775%41.67%30%46.67%k=975%41.67%30%46.67%第三種特征k=387.5%8.33%40%40%k=587.5%41.67%20%46.67%k=787.5%33.33%10%40%k=987.5%41.67%20%46.67%第四種特征k=358.33%37.5%70%56.67%k=566.67%0%60%46.67%k=750%37.5%70%53.33%k=958.33%25%60%50%由表2知：當取k=3時，第一類特征的總體正確率為40%，各個亞細胞定位預測的正確率為58.33%，25%，30%；當取k=5時，第一類特征的總體正確率為53.33%，各個亞細胞定位預測的正確率為58.33%，75%，30%；當取k=7時，第一類特征的總體正確率為56.67%，各個亞細胞定位預測的正確率為58.33%，75%，40%；當取k=9時，第一類特征的總體正確率為50%，各個亞細胞定位預測的正確率為66.67%，50%，30%；當取k=3時，第二類特征的總體正確率為33.33%，各個亞細胞定位預測的正確率為87.5%，8.33%，20%；當取k=5時，第二類特征的總體正確率為36.67%，各個亞細胞定位預測的正確率為75%，16.67%，30%；當取k=7時，第二類特征的總體正確率為46.67%，各個亞細胞定位預測的正確率為75%，41.67%，30%；當取k=9時，第二類特征的總體正確率為46.67%，各個亞細胞定位預測的正確率為75%，41.67%，30%；當取k=3時，第三類特征的總體正確率為40%，各個亞細胞定位預測的正確率為87.5%，8.33%，40%；當取k=5時，第三類特征的總體正確率為46.67%，各個亞細胞定位預測的正確率為87.5%，41.67%，20%；當取k=7時，第三類特征的總體正確率為40%，各個亞細胞定位預測的正確率為87.5%，33.33%，10%；當取k=9時，第三類特征的總體正確率為46.67%，各個亞細胞定位預測的正確率為87.5%，41.67%，20%；當取k=3時，第四類特征的總體正確率為56.67%，各個亞細胞定位預測的正確率為58.33%，37.5%，70%；當取k=5時，第四類特征的總體正確率為46.67%，各個亞細胞定位預測的正確率為66.67%，0%，60%；當取k=7時，第四類特征的總體正確率為53.33%，各個亞細胞定位預測的正確率為50%，37.5%，70%；當取k=9時，第四類特征的總體正確率為50%，各個亞細胞定位預測的正確率為58.33%，25%，60%。不同特征下的預測正確率如圖1所示。圖1：不同特征下的預測正確率四種不同特征可得到的最佳結(jié)果如圖2所示。圖2：不同特征下的最佳預測結(jié)果由結(jié)果可以看出，當取k=3,5,7,9時，第一種特征的正確率在k=7時達到最大值56.67%，分別取k=6,8再次進行預測，正確率均