基于量子算法的蘋(píng)果及PCD相關(guān)蛋白亞細(xì)胞定位體系研究.pdf

1、動(dòng)物、植物等真核生物的蛋白質(zhì)學(xué)、蛋白質(zhì)組學(xué)方面的研究在后基因組時(shí)代變得越來(lái)越重要，由于多種生物（包括果樹(shù)中的蘋(píng)果、葡萄在內(nèi)）基因測(cè)序工程的完成，研究的重心開(kāi)始向確定基因的蛋白質(zhì)產(chǎn)物功能方向移動(dòng)。果樹(shù)蛋白質(zhì)亞細(xì)胞定位是果樹(shù)蛋白質(zhì)組學(xué)、果樹(shù)細(xì)胞生物學(xué)和果樹(shù)分子生物信息學(xué)的重要研究?jī)?nèi)容。果樹(shù)蛋白質(zhì)分子生物功能的實(shí)現(xiàn)一方面與代謝、信號(hào)傳導(dǎo)等果樹(shù)生物過(guò)程緊密相關(guān)，另一方面果樹(shù)蛋白質(zhì)分子必須處于特定的亞細(xì)胞區(qū)域才能行使其生物功能。對(duì)于未知功能的果樹(shù)

2、蛋白質(zhì)獲取其亞細(xì)胞的位置信息對(duì)進(jìn)一步研究該蛋白質(zhì)的分子功能是十分必要的。通過(guò)生物實(shí)驗(yàn)技術(shù)手段獲取一個(gè)果樹(shù)蛋白質(zhì)亞細(xì)胞定位信息是通常的做法，但是這種做法消耗時(shí)間較長(zhǎng)且實(shí)驗(yàn)成本較高，同時(shí)由于果樹(shù)蛋白質(zhì)序列的快速增長(zhǎng)，在短時(shí)間內(nèi)獲取規(guī)模化蛋白質(zhì)亞細(xì)胞定位信息（例如:蘋(píng)果全基因組蛋白質(zhì)亞細(xì)胞定位信息）只能依靠生物信息技術(shù)手段來(lái)完成。另一方面，從生物數(shù)據(jù)角度來(lái)看生物信息學(xué)主要可以分為三個(gè)研究領(lǐng)域:大量生物序列數(shù)據(jù)的生成與管理、生物數(shù)據(jù)的使用與分析

3、、生物數(shù)據(jù)分析平臺(tái)工具的研究與開(kāi)發(fā)。由于生物信息數(shù)據(jù)大量的產(chǎn)生以及生命科學(xué)研究的迅猛發(fā)展，無(wú)論是從科學(xué)研究還是生產(chǎn)實(shí)踐，人們急需能滿(mǎn)足需求的生物數(shù)據(jù)分析平臺(tái)工具，在一些研究課題中生物數(shù)據(jù)分析平臺(tái)工具甚至成為制約深入研究的瓶頸問(wèn)題。同時(shí)，由于生物數(shù)據(jù)分析平臺(tái)工具研究與開(kāi)發(fā)往往需要來(lái)自生物、數(shù)學(xué)、物理、化學(xué)、信息科學(xué)等多領(lǐng)域的知識(shí)，這也增加生物數(shù)據(jù)分析平臺(tái)工具研究與開(kāi)發(fā)的復(fù)雜性。所以在果樹(shù)生物數(shù)據(jù)分析平臺(tái)工具方面開(kāi)展深入的研究是十分必要的，

4、并且也具有重要的實(shí)踐應(yīng)用價(jià)值，這也是我們研究工作的目的之一。
　　 本文以量子算法為主，針對(duì)PCD相關(guān)蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)中的生物信息技術(shù)問(wèn)題和蘋(píng)果蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)的實(shí)現(xiàn)問(wèn)題進(jìn)行了深入的分析與研究，結(jié)合生物物理和物理的知識(shí)，提出了具體的解決辦法和實(shí)現(xiàn)方案。本文的主要工作和創(chuàng)新之處概括如下:
　　 1.從蛋白質(zhì)氨基酸序列的組成出發(fā)，利用物理學(xué)中粒度的思想，提出了蛋白質(zhì)氨基酸序列的粒度概念，結(jié)合具體氨基酸序列片段詳細(xì)闡述

5、了蛋白粒度的構(gòu)成。使用蛋白粒度對(duì)氨基酸序列進(jìn)行分析，進(jìn)一步給出了蛋白粒度的階、蛋白粒度的界、蛋白粒度的極限、蛋白粒度增量等概念。在深入的研究時(shí)發(fā)現(xiàn):蛋白粒度沿序列不均勻分布;每條蛋白序列都有各自的蛋白粒度的極限;對(duì)于所有蛋白來(lái)講，蛋白的各階粒度都有共同的界。如果從蛋白預(yù)測(cè)的應(yīng)用來(lái)講，還可以得出:蛋白粒度包含了氨基酸序列的組成信息，包含了氨基酸序列的排列信息，還包含了同種氨基酸的互鄰信息，同時(shí)蛋白粒度增量自然包含了氨基酸序列的長(zhǎng)度信息。對(duì)

6、于如何利用蛋白粒度的理論和知識(shí)來(lái)構(gòu)造蛋白序列的特征向量，本文給出了一種具體的構(gòu)造方法并對(duì)有關(guān)參數(shù)進(jìn)行了詳細(xì)的說(shuō)明。根據(jù)蛋白粒度增量的信息對(duì)標(biāo)準(zhǔn)數(shù)據(jù)集的蛋白質(zhì)二級(jí)結(jié)構(gòu)類(lèi)以及植物蛋白亞葉綠體定位進(jìn)行預(yù)測(cè)，得到比前人更好的結(jié)果，這些進(jìn)一步說(shuō)明了蛋白粒度是反映蛋白質(zhì)屬性的非常有用的指標(biāo)。
　　 2.選擇ZD98、ZW225、CL317凋亡蛋白標(biāo)準(zhǔn)數(shù)據(jù)集，利用蛋白粒度對(duì)凋亡蛋白序列進(jìn)行特征提取，得到38維蛋白序列特征向量，對(duì)量子神經(jīng)網(wǎng)絡(luò)算

7、法(QNN)進(jìn)行改進(jìn)后，對(duì)凋亡蛋白進(jìn)行亞細(xì)胞定位預(yù)測(cè)，分別獲得了87.8％、83.1％、85.5％的總體預(yù)測(cè)精度，這些預(yù)測(cè)精度等于或高于原作者的預(yù)測(cè)精度，說(shuō)明蛋白粒度與QNN結(jié)合的方法在凋亡蛋白亞細(xì)胞定位預(yù)測(cè)上是有效的。
　　 3.利用已經(jīng)公布的蘋(píng)果全基因組蛋白序列，對(duì)蘋(píng)果全基因組蛋白序列進(jìn)行粒度等特征提取，分別得到蘋(píng)果全基因組蛋白二階粒度組成、三階粒度組成、粒度多空間融合等特征向量，然后根據(jù)量子力學(xué)中波函數(shù)的疊加思想研制了新的

8、量子算法(QSVM)，對(duì)蘋(píng)果全基因組蛋白63541條氨基酸序列進(jìn)行了亞細(xì)胞定位預(yù)測(cè)，獲得了相應(yīng)的定位信息，并形成了蘋(píng)果全基因組蛋白亞細(xì)胞位點(diǎn)數(shù)據(jù)庫(kù)1。
　　 4.在Chou構(gòu)造的一個(gè)高質(zhì)量的植物蛋白細(xì)胞多定位基準(zhǔn)數(shù)據(jù)集的基礎(chǔ)之上，本文提出分別處理的預(yù)測(cè)模式，對(duì)多標(biāo)簽蛋白和單標(biāo)簽蛋白分別進(jìn)行預(yù)測(cè)，同時(shí)利用GO注釋對(duì)蛋白序列進(jìn)行特征提取，取得了較高的預(yù)測(cè)精度，為蛋白的多定位預(yù)測(cè)找到了一種新的方法。
　　 5.在蘋(píng)果全基因組蛋

9、白數(shù)據(jù)集的基礎(chǔ)上，對(duì)有GO注釋的蘋(píng)果蛋白進(jìn)行了GO注釋特征提取，結(jié)合本文提出的蛋白粒度的有關(guān)理論和知識(shí)，再進(jìn)行蛋白粒度特征提取，研制了新的量子算法(SQSVM)，對(duì)在蘋(píng)果全基因組上篩選出來(lái)的含GO注釋的15297條蛋白氨基酸序列進(jìn)行了亞細(xì)胞定位預(yù)測(cè)，給出了相應(yīng)的定位結(jié)果，在此基礎(chǔ)之上構(gòu)建了蘋(píng)果全基因組蛋白亞細(xì)胞位點(diǎn)數(shù)據(jù)庫(kù)2。
　　 6.作為生物數(shù)據(jù)分析平臺(tái)具體體現(xiàn)的亞細(xì)胞定位網(wǎng)站——蘋(píng)果蛋白亞細(xì)胞定位系統(tǒng)網(wǎng)站和植物蛋白亞細(xì)胞多定