蛋白質(zhì)二級結構類預測中的信息提取與預測方法研究.pdf

1、測序技術的進步使得蛋白質(zhì)序列數(shù)據(jù)與日俱增,然而人們對蛋白質(zhì)高級結構和功能的認識還不夠,遠遠落后于對蛋白質(zhì)序列的認識。同時,傳統(tǒng)的生物實驗方法已難以滿足海量數(shù)據(jù)的處理需求,因此發(fā)展理論與計算的方法來研究蛋白質(zhì)結構和功能具有深遠的意義,這也成為計算分子生物學中最基本、最重要的課題之一。
　　 對于一條蛋白質(zhì)而言,利用海量的序列信息預測出其空間三級結構是結構預測方法的最終目的。然而在很多情況下,這個目標很難實現(xiàn)。由于蛋白質(zhì)空間結構是由

2、一些二級結構元件組成的,人們希望先預測出蛋白質(zhì)二級結構類型,了解蛋白質(zhì)內(nèi)部的局部結構信息,再進一步預測其三級結構。因此,蛋白質(zhì)二級結構類型預測工作是蛋白質(zhì)三級結構預測的基礎,具有著重要研究意義。同時,它作為蛋白質(zhì)組學研究的一個分支,受到越來越多研究者們的關注。
　　 目前,蛋白質(zhì)二級結構類預測的研究主要集中在三個方面:提取蛋白質(zhì)序列的特征信息,挑選多重信息中有代表性的特征以及發(fā)展合適的預測算法。近年來,國內(nèi)外文獻報道了很多有效的

3、方法,但從序列信息獲取角度來看,現(xiàn)有方法所獲取的信息較單一,各個層面的信息沒有得到很好的融合。因此如何系統(tǒng)地融合不同的信息來預測蛋白質(zhì)結構類是一個迫切需要解決的問題。此外對于融合后的信息,可能存在冗余信息,還應考慮如何挑選有效的特征信息,剔除冗余的信息。針對以上問題,本研究基于信息處理方法,提取氨基酸出現(xiàn)頻率信息、位置分布信息及二級結構的序列信息,并對多源信息進行有效地融合、挑選,通過設計合理的預測方案,提高了蛋白質(zhì)信息獲取與結構類預測

4、的效率。
　　 具體方法上:1)基于字統(tǒng)計模型及氨基酸的物化性質(zhì),獲取蛋白質(zhì)一級序列、縮氨基酸序列及二級結構序列片段的位置信息,進而研究其位置分布函數(shù),計算其數(shù)值特征。將各片段的位置特征與頻率特征相融合,構建出高效的蛋白質(zhì)結構類預測模型,為有效提高分類率奠定基礎;2)在特征信息選擇上,采用基于相對重要性的隨機森林對多重特征信息進行挑選,盡可能減少信息的冗余。隨機森林是一種通過建立多棵決策樹來對數(shù)據(jù)進行分類判別的方法,其主要采用自

5、助法重采樣技術,按照特征的相對貢獻這一指標來挑選關鍵特征。3)通過采用支持向量機、k-近鄰算法、BP神經(jīng)網(wǎng)絡算法以及多分類器組合來進一步改善分類效果,并驗證該研究所提算法的有效性。
　　 實驗結果表明:1)與傳統(tǒng)經(jīng)典方法相比,利用本研究提出的特征信息提取方法可涵蓋序列統(tǒng)計特征、氨基酸物理化學特征、氨基酸片段位置分布三方面的信息,此方法可以較為全面地反映出蛋白質(zhì)序列中有代表性的特征信息。2)通過采用有效的特征挑選算法以及分類算法,