均衡數(shù)據(jù)法在蛋白質(zhì)二級結(jié)構(gòu)預(yù)測中的應(yīng)用.pdf

1、近年來生物學(xué)的發(fā)展積累了海量的實(shí)驗(yàn)數(shù)據(jù)，研究這些數(shù)據(jù)中隱含的生物學(xué)意義尤為重要。目前，生物信息學(xué)中最受關(guān)注的問題之一就是怎樣從蛋白質(zhì)的一級序列得到其三級結(jié)構(gòu)，而二級結(jié)構(gòu)是構(gòu)成三級結(jié)構(gòu)的基本單元。計(jì)算機(jī)預(yù)測方法被廣泛應(yīng)用于蛋白質(zhì)二級結(jié)構(gòu)的研究，其發(fā)展過程大體分為三個(gè)階段：第一階段以數(shù)理統(tǒng)計(jì)作為出發(fā)點(diǎn)，基于單個(gè)氨基酸信息，如Chou-Fasman和GOR方法；第二階段基于進(jìn)化信息，主要利用BLAST等工具在序列數(shù)據(jù)庫中對搜索序列進(jìn)行多重比對

2、以取得同源信息利用PSI-BLAST取得相應(yīng)的進(jìn)化信息PSSM；第三階段的預(yù)測方法則在第二階段的基礎(chǔ)上加入了同源序列的信息，所以預(yù)測精度更高，現(xiàn)在人們研究的方法大都屬于第三階段。為提高蛋白質(zhì)二級結(jié)構(gòu)預(yù)測精度，本文提出一種均衡數(shù)據(jù)法來對一般預(yù)測工具的結(jié)果進(jìn)行處理。具體做法為：首先在蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫SCOP中選擇100條已知結(jié)構(gòu)的蛋白質(zhì)（共16818個(gè)殘基），作為訓(xùn)練集。采用PHD、NNPREDICT、SOPMA三種方法進(jìn)行預(yù)測，將每條

3、蛋白質(zhì)測試的結(jié)果與蛋白質(zhì)的標(biāo)準(zhǔn)結(jié)構(gòu)對比，通過專門用于蛋白質(zhì)結(jié)構(gòu)預(yù)測算法評估的web服務(wù)器EVA進(jìn)行準(zhǔn)確率評估，將得到的結(jié)果用統(tǒng)計(jì)的方法分別計(jì)算出能夠代表這三種蛋白質(zhì)二級結(jié)構(gòu)預(yù)測方法各自預(yù)測能力的權(quán)重值。再建立一個(gè)包含有個(gè)3892殘基，共20條已知結(jié)構(gòu)的蛋白質(zhì)組成的測試集，同樣采用PHD、NNPREDICT、SOPMA三種方法進(jìn)行預(yù)測，將訓(xùn)練集實(shí)驗(yàn)得出的權(quán)重值運(yùn)用到預(yù)測結(jié)果中進(jìn)行重新計(jì)算，即將預(yù)測結(jié)果數(shù)據(jù)進(jìn)行均衡處理，得到的預(yù)測結(jié)果與蛋白