基于支持向量機(jī)的蛋白質(zhì)功能預(yù)測(cè)新方法研究.pdf

1、隨著人類進(jìn)入后基因組時(shí)代,基因功能的注釋已成為科學(xué)研究的焦點(diǎn)問(wèn)題。依據(jù)中心法則,記錄遺傳信息的基因必須翻譯成蛋白質(zhì)才能執(zhí)行其功能,因而蛋白質(zhì)功能的研究變得至關(guān)重要。雖然可以通過(guò)實(shí)驗(yàn)方法確定蛋白質(zhì)的功能,但是實(shí)驗(yàn)方法費(fèi)時(shí)、費(fèi)力且費(fèi)用昂貴,無(wú)法滿足在全基因組范圍內(nèi)對(duì)蛋白質(zhì)功能進(jìn)行注釋的需要。因此,發(fā)展可靠、經(jīng)濟(jì)和高通量的蛋白質(zhì)功能預(yù)測(cè)方法成為一項(xiàng)迫切任務(wù)。本文根據(jù)蛋白質(zhì)功能預(yù)測(cè)的研究現(xiàn)狀,基于機(jī)器學(xué)習(xí)方法支持向量機(jī),從氨基酸序列出發(fā),設(shè)計(jì)了

2、一系列蛋白質(zhì)序列的特征表達(dá)新編碼方法,對(duì)蛋白質(zhì)的功能進(jìn)行預(yù)測(cè)研究,主要工作概括如下:
　　 1.建立了線粒體和葉綠體亞結(jié)構(gòu)預(yù)測(cè)的新方法。從氨基酸的極性和疏水性出發(fā),基于離散小波變換特征提取方法,提出了一種新的偽氨基酸成分特征編碼方法,成功應(yīng)用于線粒體和葉綠體蛋白質(zhì)的區(qū)分。在此基礎(chǔ)上進(jìn)一步預(yù)測(cè)了線粒體和葉綠體亞結(jié)構(gòu),各類亞結(jié)構(gòu)的預(yù)測(cè)準(zhǔn)確率比現(xiàn)有方法提高了3.7％～22.1%,尤其是線粒體外膜和葉綠體內(nèi)囊體腔的預(yù)測(cè)結(jié)果有極大改進(jìn)。這

3、些結(jié)果表明離散小波變換不僅可以消除氨基酸序列中的噪聲成分干擾,而且可以有效地提取整條蛋白序列的次序信息。此外,對(duì)線粒體和葉綠體兩種蛋白質(zhì)物理化學(xué)性質(zhì)進(jìn)行了討論,發(fā)現(xiàn)線粒體蛋白質(zhì)中極性特征更明顯,而葉綠體蛋白質(zhì)中疏水特征更顯著。
　　 2.構(gòu)建了蛋白質(zhì)精氨酸和賴氨酸甲基化修飾位點(diǎn)預(yù)測(cè)模型PMeS。提出了一種新的位置權(quán)重氨基酸成分去反映修飾位點(diǎn)附近殘基的位置信息,并將其與氨基酸屬性編碼和溶劑可及表面面積融合去捕獲甲基化位點(diǎn)的特征信息

4、。10-倍交叉驗(yàn)證結(jié)果顯示,PMeS的特征編碼方法對(duì)甲基化狀態(tài)的識(shí)別十分有效。同時(shí),對(duì)特征的選擇、窗口長(zhǎng)度、正負(fù)樣本比例和模型的穩(wěn)定性進(jìn)行了深入探討。不同交叉驗(yàn)證和獨(dú)立測(cè)試的結(jié)果表明,PMeS模型穩(wěn)定可靠且明顯優(yōu)于其它預(yù)測(cè)工具?；赑MeS模型,我們構(gòu)建了精氨酸和賴氨酸甲基化修飾位點(diǎn)的在線預(yù)測(cè)服務(wù)網(wǎng)站(http://bioinfo.ncu.edu.cn/inquiriesPMeS.aspx)。
　　 3.建立了同時(shí)預(yù)測(cè)完整蛋白上

5、賴氨酸殘基的甲基化和乙?；揎椢稽c(diǎn)的新方法PLMLA。該方法通過(guò)屬性分組重量編碼、位置權(quán)重氨基酸成分和二級(jí)結(jié)構(gòu)分別提取修飾位點(diǎn)附近的物理化學(xué)屬性、序列信息和結(jié)構(gòu)特征。對(duì)甲基賴氨酸、乙酰賴氨酸和非甲基化與非乙?；嚢彼嵩跉埢奈恢锰禺悓傩?、物理化學(xué)性質(zhì)和二級(jí)結(jié)構(gòu)方面的特征差異進(jìn)行了詳細(xì)分析。基于不同訓(xùn)練特征的預(yù)測(cè)結(jié)果揭示,具有多特征融合的預(yù)測(cè)模型能充分利用不同特征之間的互補(bǔ)信息去改進(jìn)模型的預(yù)測(cè)性能?；讵?dú)立測(cè)試與其它方法進(jìn)行了比較,PLM

6、LA對(duì)甲基賴氨酸的預(yù)測(cè)準(zhǔn)確率比BPB-PPMS和MASA的分別高30.3%和37.88%;對(duì)乙酰賴氨酸的預(yù)測(cè)準(zhǔn)確率比LysAcet和N-Ace的相應(yīng)結(jié)果分別高33.33%和36.11%。這充分表明PLMLA方法極大地改進(jìn)了甲基賴氨酸和乙酰賴氨酸的預(yù)測(cè)研究現(xiàn)狀,是識(shí)別賴氨酸殘基甲基化和乙?；揎椀挠行Чぞ?。最后,我們構(gòu)建了基于氨基酸序列即可對(duì)完整蛋白質(zhì)序列上賴氨酸的甲基化和乙?；揎椢稽c(diǎn)同時(shí)進(jìn)行預(yù)測(cè)分析的在線服務(wù)平臺(tái)(http://bio

7、info.ncu.edu.cn/inquiriesPLMLA.aspx)。
　　 4.開(kāi)發(fā)了酪氨酸硝基化位點(diǎn)預(yù)測(cè)的新方法。采用氨基酸殘基信息熵和二肽關(guān)聯(lián)熵優(yōu)化窗口,結(jié)合氨基酸的物理化學(xué)性質(zhì)和結(jié)構(gòu)特征構(gòu)建了蛋白質(zhì)酪氨酸硝基化位點(diǎn)的預(yù)測(cè)模型。對(duì)信息熵優(yōu)化窗口和傳統(tǒng)連續(xù)窗口進(jìn)行了初步探討,結(jié)果顯示信息熵窗口能夠有效捕獲酪氨酸硝基化肽段上的重要位點(diǎn),克服短肽序列易丟失信息而單純?cè)龃箅亩伍L(zhǎng)度又會(huì)引入冗余信息的矛盾,并有效提高模型的預(yù)測(cè)性能