DNA结合蛋白在分子生物学中扮演重要角色,其影响基因表达调控、DNA复制等活动。然而以生物实验的方式识别DNA结合蛋白,耗时且昂贵。数据分析的方式已成为识别DNA结合蛋白的重要途径。为提高DNA结合蛋白的识别性能,针对蛋白质序列数据特点,研究DNA结合蛋白识别问题中的特征工程,包括特征构造与特征选择。该特征工程能有效提高DNA结合蛋白的识别性能,为识别DNA结合蛋白提供了一种简便、高效的方法。论文主要包括以下几个方面。1)特征构造:针对DNA结合蛋白序列之间低相似性、独立性、序列长度不同等特点,本文从物理化学特性、混沌游戏表示、分形维数、位置特异性得分矩阵和频谱分析五种不同角度的特征构造方法来描述DNA结合蛋白,并对其进行组合,构造生成高维特征。2)特征选择:针对所生成的高维特征,为减少冗余特征,降低特征维度,使用多个经典的特征选择方法对其进行降维,包括基于SVM和PLS的递归特征消除法和基于分类间隔的ReliefF算法。实验并分析了 SVM-RFE优于其他特征选择方法的原因。3)识别分析:采用SVM分类器实现DNA结合蛋白的识别,使用三个独立的公共数据集对所提方法进行验证,通过30次十折交叉验证评估算法的性能。从准确度、特异性、敏感度、马修斯相关系数四个性能指标对分类器识别性能进行评估,并从离散程度、特征分布等角度分析实验结果。通过对不同的特征构造和特征选择的分析比较,实验结果表明,本文组合的多种特征构造方法,结合SVM-RFE特征选择方法能更加有效地提升DNA结合蛋白的识别性能。通过对所选特征子集的分布来看,蛋白质多种物化特征和PSSM矩阵对DNA结合蛋白的识别起着重要作用。与DNA-Prot和混合分形方法进行对比,也表明所提方法识别效果更优。同时,所提方法不仅适合于DNA结合蛋白分析的特征工程(特征构造和特征选择)中,同样也适用于其他蛋白质序列的分析,包括蛋白质结构类预测及其他蛋白的识别。