关键词: 膜蛋白预测, 最大信息系数, 遗传算法, 特征选择, 特征融合, 极端随机树

摘要：膜蛋白的类型与其功能密切相关，因此对膜蛋白类型预测的研究具有重要意义。本研究提出了一种基于最大信息系数（MIC）和遗传算法（GA）的两阶段特征选择方法（MIC-GA），以解决膜蛋白特征提取过程中的高维特征问题。从膜蛋白序列中提取了三种特征表示，即PseAAC、DC和PSSM。在特征融合过程中，提出了一种改进的ReliefF算法（FReliefF），以获得有效的特征分数。最后，基于Stacking集成学习框架，将极端随机树分两次使用，实现对膜蛋白类型的合理预测。结果表明，该方法能有效提高膜蛋白预测的准确性。

关键词： 膜蛋白类型预测， 最大信息系数， 遗传算法， 特征选择， 特征融合， 极随机树