生物序列相似性向量及其識(shí)別DNA結(jié)合蛋白的效果研究.pdf

1、隨著生物分子數(shù)據(jù)量的急劇增長，如何利用這些數(shù)據(jù)，通過數(shù)據(jù)分析，揭示出對(duì)人類有價(jià)值的信息，從而產(chǎn)生了一門由生物學(xué)家、數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家共同研究的新型交叉學(xué)科:生物信息學(xué)。它的研究重點(diǎn)主要是如何通過生物序列分析進(jìn)而研究它們的結(jié)構(gòu)和功能。在本文中，我們主要致力于通過不同的計(jì)算方法來研究蛋白質(zhì)序列與結(jié)構(gòu)和功能的關(guān)系，主要有以下成果:
　　第二章中，DNA結(jié)合蛋白在生物細(xì)胞中屬于功能蛋白，在各種重要的生物活動(dòng)中起著至關(guān)重要的作用。因此，我

2、們建立了一種基于DNA結(jié)合蛋白的全面特征分析的分類預(yù)測(cè)模型。此模型是根據(jù)蛋白質(zhì)序列的序列長度信息和氨基酸的組成成分信息、進(jìn)化信息、二級(jí)結(jié)構(gòu)信息、物理化學(xué)性質(zhì)和功能信息，把每條蛋白質(zhì)序列轉(zhuǎn)化為相應(yīng)的特征向量。進(jìn)一步，根據(jù)不同的特征選擇方法去除了特征向量中可能與預(yù)測(cè)DNA結(jié)合蛋白不相關(guān)并且特征向量之間的冗余，然后把這些特征向量作為支持向量機(jī)的輸入，我們的模型在5倍折疊交叉檢驗(yàn)下預(yù)測(cè)準(zhǔn)確率達(dá)到了85.3％，在相同的測(cè)試集DNAiset下，比D

3、NA-Binder、DNA-Prot和DNABIND方法的預(yù)測(cè)準(zhǔn)確率高。進(jìn)一步，在真實(shí)的測(cè)試集DNArset下，我們的模型比其它方法產(chǎn)生的模型有明顯的提高。本文的研究證明了我們的模型可以有效的對(duì)DNA結(jié)合蛋白進(jìn)行預(yù)測(cè)。
　　第三章中，序列比對(duì)方法是生物信息學(xué)研究的重要方法之一，但是該方法
　　計(jì)算復(fù)雜度較高，對(duì)于長序列、多序列比對(duì)以及巨大的數(shù)據(jù)庫搜索，實(shí)現(xiàn)該算法是很困難的，所以很多研究者致力于非比對(duì)方法的研究。我們應(yīng)用了偽氨

4、基酸組成方法的思想，將20個(gè)氨基酸的出現(xiàn)頻率和基于三個(gè)理化性質(zhì)指標(biāo)建立的圖形表示方法得到的3維特征向量組合在一起，從而蛋白質(zhì)序列得到了23維特征向量。通過9個(gè)物種之間的相似性說明了我們的方法的有效性和合理性。并且通過與Clustal W的相關(guān)性分析，我們的方法比其它圖形表示方法能挖掘出更多的生物信息。同時(shí)，我們用兩種新的方法對(duì)產(chǎn)生的蛋白質(zhì)序列的圖形表示進(jìn)行了數(shù)值刻畫，用偽氨基酸組成方法得到的特征向量作為KNN和支持向量機(jī)的輸入，從而對(duì)D

5、NA結(jié)合蛋白進(jìn)行了預(yù)測(cè)，此方法計(jì)算復(fù)雜度低并且得到了86％的預(yù)測(cè)準(zhǔn)確率。本文的研究證明了我們的方法對(duì)蛋白質(zhì)序列的相似性比較以及DNA結(jié)合蛋白預(yù)測(cè)的有效性。
　　第四章中，我們通過計(jì)算方法分析了在流感病毒H7N9 NA蛋白中，位于蛋白表面并且高保守的C-terminal28個(gè)氨基酸殘基段。根據(jù)滑動(dòng)窗口的變化量來判斷氨基酸殘基段的保守性，并且給出了在相同滑動(dòng)窗口下溶劑可達(dá)性的值，得到殘基段的保守性與溶劑可達(dá)性的平均值有比較好的相關(guān)性，