29280.蛋白質(zhì)亞細(xì)胞定位預(yù)測中若干信息提取算法研究

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名多車灰簽字日期：勱／彥p弓月f／日浙江理工大學(xué)碩士學(xué)位論文蛋白質(zhì)亞細(xì)胞定位預(yù)測中若干信息提取

2、算法研究摘要蛋白質(zhì)的功能與其亞細(xì)胞位置有著密切的聯(lián)系，對于確定一個(gè)未知特性蛋白質(zhì)的功能，基于機(jī)器學(xué)習(xí)的蛋白質(zhì)亞細(xì)胞定位預(yù)測研究能夠?yàn)槠涮峁┲匾膮⒖夹畔?。本文主要關(guān)注亞細(xì)胞定位預(yù)測中的信息提取算法，研究內(nèi)容如下：(1)基于AAindex數(shù)據(jù)庫挖掘的信息提取算法。根據(jù)氨基酸的理化性質(zhì)，采用自相關(guān)函數(shù)和氨基酸約化分類的信息提取方法掃描AAindex數(shù)據(jù)庫中的544種氨基酸指數(shù)，系統(tǒng)的研究不同的氨基酸指數(shù)、不同的約化方法、不同的信息提取算法在

3、蛋白質(zhì)亞細(xì)胞定位預(yù)測中的影響。(2)基于PSIBLAST同源比對的信息提取算法。目前的研究在使用PSIBLAST構(gòu)建比對數(shù)據(jù)庫時(shí)存在冗余及效率低下的問題，本文提出一種新的PSIBLAST構(gòu)建比對數(shù)據(jù)庫的方法：采用訓(xùn)練集本身替換常用的NR數(shù)據(jù)庫。這種構(gòu)建策略能夠更好的提取同源信息和排除冗余數(shù)據(jù)的干擾，在蛋白質(zhì)的亞細(xì)胞定位預(yù)測中發(fā)現(xiàn)這種方法大大提高了比對效率，并且能夠取得較高的預(yù)測準(zhǔn)確率。(3)基于蛋白序列黃金比例分段的信息提取算法。根據(jù)蛋

4、白質(zhì)序列從Ⅳ端到C端的不同部位涵蓋著不同的信息，本文引入黃金比例對蛋白質(zhì)序列進(jìn)行分段處理，分段后統(tǒng)計(jì)片段的組分信息和位置信息；對蛋白序列的PSSM矩陣，根據(jù)黃金比例分割成若干個(gè)不同的子矩陣，統(tǒng)計(jì)子矩陣的進(jìn)化信息。通過本文研究發(fā)現(xiàn)，根據(jù)分段統(tǒng)計(jì)的組分信息、位置信息、進(jìn)化信息構(gòu)建的融合模型能夠顯著提高亞細(xì)胞定位預(yù)測的準(zhǔn)確率。另外，本文基于主成分分析開發(fā)了一種特征子集搜索算法，此算法能在降維的同時(shí)顯著提高預(yù)測準(zhǔn)確率。關(guān)鍵詞：蛋白質(zhì)，亞細(xì)胞定位