使用rapidminer对 Yeast Data Set 进行数据分析

Yeast Data Set

---

前言

通过挖掘大规模数据的相关性，研究生物学中遗传变异的方向，对于生物学发展尤其关键。目前可以通过互动检测方法发现数千种蛋白质之间的关系，并识别其中的相关性。通过对细胞属性信息的统计，预测蛋白质定位位点的情况，有利于生物研究人员研究蛋白质的结构、功能和遗传信息，同时通过神经网络帮助研究人员直接对蛋白质进行分类，节省更多时间用于研究影响位点位置的核心要素以及蛋白质内部的遗传特性。

一、对于数据集的理解

该数据来源于酵母数据集，主要目的是为了研究在以下九个属性值不同的情况下，蛋白质位点位置的不同情况。
（1）序列名称: SWISS-PROT数据库的登录号
（2）mcg: McGeoch的信号序列识别方法。
（3）gvh: von Heline的信号序列识别方法。
（4） alm: ALOM膜跨越区域预测程序的分数。
（5） mit:线粒体和非线粒体蛋白N端区域(长20个残基)的氨基酸含量的判别分析得分。
（6） er: " HDEL"子串的存在(被认为是保留在内质网腔中的信号)。二二进制属性。
（7）pox: C末端的过氧化物酶体靶向信号。
ÿ