基于Markov邏輯網(wǎng)的蛋白質(zhì)關(guān)聯(lián)預(yù)測研究.pdf

1、蛋白質(zhì)三級結(jié)構(gòu)預(yù)測是生物信息學(xué)上的一大挑戰(zhàn)，至今為止還沒有好的方法能夠獲得期望的預(yù)測效果。利用從頭預(yù)測方法對蛋白質(zhì)三級結(jié)構(gòu)進(jìn)行預(yù)測的過程中，如果能夠獲取到蛋白質(zhì)關(guān)聯(lián)的信息，可以在很大程度上提高預(yù)測的精度，因此精確的蛋白質(zhì)關(guān)聯(lián)預(yù)測在三級結(jié)構(gòu)預(yù)測中起著非常重要的作用。
　　 在同一個蛋白質(zhì)中，蛋白質(zhì)殘基之間的關(guān)聯(lián)并不是相互獨立的，而對于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，它們要求樣本實例相互獨立并符合一致性分布，所以這一類方法不能很好的解決蛋白質(zhì)關(guān)

2、聯(lián)預(yù)測問題。于此同時，蛋白質(zhì)關(guān)聯(lián)往往受很強(qiáng)的規(guī)則的約束，很多的規(guī)則都是先驗的。基于以上情況，本文提出來一種基于統(tǒng)計關(guān)系學(xué)習(xí)框架的方法-Markov邏輯網(wǎng)對蛋白質(zhì)關(guān)聯(lián)進(jìn)行預(yù)測，該方法能夠克服傳統(tǒng)機(jī)器學(xué)習(xí)對獨立一致性的要求，并能夠很好的利用蛋白質(zhì)關(guān)聯(lián)中的約束規(guī)則，通過利用基于權(quán)值的邏輯語言規(guī)則來表達(dá)蛋白質(zhì)關(guān)聯(lián)的領(lǐng)域知識，使問題得到很好的解決。本文的主要研究工作如下：
　　 ①對蛋白質(zhì)關(guān)聯(lián)預(yù)測進(jìn)行了全面綜述。介紹了蛋白質(zhì)關(guān)聯(lián)預(yù)測產(chǎn)生背

3、景，研究現(xiàn)狀和研究意義，并重點分析了蛋白質(zhì)關(guān)聯(lián)圖中包含的蛋白質(zhì)三級結(jié)構(gòu)信息。
　　 ②對統(tǒng)計關(guān)系學(xué)習(xí)和Markov邏輯網(wǎng)相關(guān)理論進(jìn)行了全面的綜述。介紹了Markov邏輯網(wǎng)的概念與特性，并針對Markov邏輯網(wǎng)的學(xué)習(xí)和推理算法進(jìn)行相關(guān)的討論。
　　 ⑨對蛋白質(zhì)關(guān)聯(lián)預(yù)測中使用的數(shù)據(jù)進(jìn)行介紹，對預(yù)測中所使用的蛋白質(zhì)特征信息進(jìn)行具體的分析，以此來達(dá)到提高關(guān)聯(lián)預(yù)測精度的目的。
　　 ④從蛋白質(zhì)的空間物理結(jié)構(gòu)以及生化特性上對

4、蛋白質(zhì)關(guān)聯(lián)規(guī)則進(jìn)行了具體而深入的研究，抽取出蛋白質(zhì)關(guān)聯(lián)的一系列規(guī)則，對每一條關(guān)聯(lián)規(guī)則進(jìn)行了具體的闡述，并構(gòu)造出其在Markov邏輯網(wǎng)中對應(yīng)的謂詞公式。
　　 ⑤將Markov邏輯網(wǎng)應(yīng)用到蛋白質(zhì)的關(guān)聯(lián)預(yù)測中，研究并實現(xiàn)了利用該方法對蛋白質(zhì)關(guān)聯(lián)的預(yù)測，并對實驗進(jìn)行了具體的分析。
　　 實驗結(jié)果表明，基于Markov邏輯網(wǎng)的蛋白質(zhì)關(guān)聯(lián)預(yù)測能夠取得相對于其他預(yù)測方法更好的效果，與當(dāng)前預(yù)測效果最好之一的BetaPro預(yù)測比較，預(yù)測