核蛋白的亞核定位和植物、非植物及小鼠蛋白質(zhì)的亞細(xì)胞定位預(yù)測(cè)研究.pdf

1、隨著人類基因組計(jì)劃的實(shí)施和推進(jìn),數(shù)據(jù)庫(kù)中出現(xiàn)了大量未注解的蛋白質(zhì)序列,如何獲取這些蛋白質(zhì)序列的功能信息已成為當(dāng)今生物信息學(xué)的研究熱點(diǎn)。蛋白質(zhì)的功能與其亞細(xì)胞定位密切相關(guān),因此,研究蛋白質(zhì)的亞細(xì)胞定位,可以為了解蛋白質(zhì)的功能提供重要線索。 本文分別以核蛋白、植物和非植物蛋白以及小鼠膜蛋白為研究對(duì)象,利用離散增量(ID)、離散增量結(jié)合協(xié)變判別式(CDA)以及離散增量結(jié)合支持向量機(jī)(SVM)方法,通過(guò)提取蛋白質(zhì)一級(jí)序列中多種特征參數(shù)

2、,分別對(duì)它們?cè)诩?xì)胞中的亞核定位和亞細(xì)胞定位進(jìn)行預(yù)測(cè)。論文的主要研究工作概括如下： (1)首次利用相異有限系數(shù)(DC)算法和離散增量結(jié)合協(xié)變判別式的(ID_CDA)算法兩層分類器對(duì)核蛋白的亞核定位進(jìn)行了預(yù)測(cè)。在DC算法中,選取全序列的氨基酸組份和氨基酸序列親疏水性二肽組份為信息參數(shù),ID_CDA算法中選取N端氨基酸1-gap二肽組份和氨基酸2-gap二肽組份為信息參數(shù),對(duì)單定位蛋白質(zhì)總預(yù)測(cè)成功率為75.4％,多定位蛋白質(zhì)總預(yù)測(cè)成

3、功率為80.4％。單定位蛋白質(zhì)總預(yù)測(cè)成功率比Lei-SVM方法高8.9％,多定位蛋白質(zhì)總預(yù)測(cè)成功率比Lei-SVM方法高15.2％。在序列相似性小于等于25％時(shí),該方法也取得了較高的預(yù)測(cè)成功率。 (2)通過(guò)選取氨基酸組份和贗氨基酸組份為信息參數(shù),首次利用離散增量結(jié)合支持向量機(jī)的(ID SVM)算法,預(yù)測(cè)真核植物和非植物蛋白質(zhì)的亞細(xì)胞定位,Jackknife檢驗(yàn)總預(yù)測(cè)成功率分別是88.3％和92.4％,預(yù)測(cè)結(jié)果好于現(xiàn)有的其它方法

4、對(duì)該數(shù)據(jù)庫(kù)的預(yù)測(cè)結(jié)果。文章中對(duì)單一參數(shù)的離散增量的預(yù)測(cè)結(jié)果和離散增量結(jié)合支持向量機(jī)的預(yù)測(cè)結(jié)果作了詳細(xì)比較,并對(duì)多種參數(shù)組合利用ID SVM算法進(jìn)行預(yù)測(cè)。結(jié)果表明,利用多參數(shù)的適當(dāng)組合,采用ID SVM算法可以得到較好的預(yù)測(cè)結(jié)果。 (3)以12類真核生物為研究對(duì)象,對(duì)12類真核生物蛋白質(zhì)分別選取全序列氨基酸組份、氨基酸二肽組份,采用離散增量(ID)的方法進(jìn)行預(yù)測(cè),通過(guò)對(duì)離散增量的進(jìn)一步組合,取得了較高的預(yù)測(cè)成功率。 (4)構(gòu)建了

5、小鼠蛋白質(zhì)和小鼠膜蛋白兩個(gè)數(shù)據(jù)庫(kù),通過(guò)選取全序列的氨基酸1-gap二肽組份,N端序列的氨基酸二肽組份為信息參數(shù),采用離散增量結(jié)合協(xié)變判別式(ID CDA)方法對(duì)小鼠蛋白質(zhì)的亞細(xì)胞定位和小鼠膜蛋白的類型進(jìn)行預(yù)測(cè),取得了較好的預(yù)測(cè)結(jié)果。 (5)分別選取全序列中氨基酸組份、氨基酸二肽組份、氨基酸序列的親疏水性分布信息、N端和C端氨基酸二肽組份為特征參數(shù),利用離散增量(ID)算法,對(duì)原核生物中的革蘭氏陰性菌蛋白質(zhì)的亞細(xì)胞定位進(jìn)行預(yù)測(cè),