基于氨基酸序列的蛋白質(zhì)結(jié)構(gòu)功能預(yù)測(cè)方法研究.pdf

1、近年來(lái),高通量技術(shù)的應(yīng)用帶來(lái)了蛋白質(zhì)數(shù)據(jù)成指數(shù)的增長(zhǎng)。在這些海量多樣的蛋白質(zhì)數(shù)據(jù)中,蘊(yùn)藏著大量有創(chuàng)新性的生物新規(guī)律和新概念。隨著人類基因組計(jì)劃(HGP)的順利完成,研究這些成指數(shù)增長(zhǎng)且高噪聲的海量蛋白質(zhì)數(shù)據(jù)需要高速、準(zhǔn)確、可拓展的理論及其算法。因此,推動(dòng)了一門新興學(xué)科一生物信息學(xué)的誕生和發(fā)展,蛋白質(zhì)結(jié)構(gòu)和功能的研究是生物信息學(xué)領(lǐng)域的前沿課題,也是后基因組時(shí)代的核心問(wèn)題之一。本文基于蛋白質(zhì)結(jié)構(gòu)和功能的預(yù)測(cè)研究現(xiàn)狀,采用支持向量機(jī)等多種分類

2、器,并結(jié)合不同的特征提取算法,對(duì)蛋白質(zhì)結(jié)構(gòu)和功能進(jìn)行分類預(yù)測(cè)研究,主要工作概括如下:
　　 (1)提出了預(yù)測(cè)蛋白質(zhì)同源寡聚體的新模型一小波支持向量機(jī)模型。本文通過(guò)離散小波變換有效地提取了蛋白質(zhì)序列的特征信息,并采用了不同分類算法對(duì)同源寡聚體類型進(jìn)行分類預(yù)測(cè)。通過(guò)留一法檢驗(yàn)表明,小波支持向量機(jī)模型能更好地分類預(yù)測(cè)同源寡聚體的類型,同時(shí)預(yù)測(cè)結(jié)果比文獻(xiàn)報(bào)道的結(jié)果有明顯地提高；在此基礎(chǔ)上,進(jìn)一步深入研究了數(shù)據(jù)集的大小對(duì)預(yù)測(cè)準(zhǔn)確率的影響。

3、結(jié)果表明在數(shù)據(jù)集平衡的情況下,隨著數(shù)據(jù)集的減小,jackknife運(yùn)算機(jī)制受到影響,而導(dǎo)致預(yù)測(cè)準(zhǔn)確率降低,這與文獻(xiàn)報(bào)道一致。
　　 (2)建立了同源寡聚體和異源寡聚體的分類預(yù)測(cè)新模型。該模型將離散小波和氨基酸的物理化學(xué)性質(zhì)相結(jié)合,利用離散小波變換近似系數(shù)和細(xì)節(jié)系數(shù),將同源寡聚體和異源寡聚體的序列分解為多層次的小波系數(shù),即將一維序列分解為同時(shí)具有時(shí).頻特性的二維序列,并從其中提取有效的特征向量信息。最后通過(guò)不同的分類算法對(duì)蛋白質(zhì)序

4、列進(jìn)行分類預(yù)測(cè)研究。同時(shí)對(duì)Chou構(gòu)建的高序列一致性蛋白質(zhì)數(shù)據(jù)庫(kù)和Xiao構(gòu)建的低序列一致性蛋白質(zhì)數(shù)據(jù)庫(kù)進(jìn)行了分類預(yù)測(cè)研究,發(fā)現(xiàn)該模型不僅能夠提高預(yù)測(cè)準(zhǔn)確率,而且能有效地克服低序列一致性數(shù)據(jù)庫(kù)預(yù)測(cè)準(zhǔn)確率較低的問(wèn)題。
　　 (3)建立了蛋白質(zhì)四級(jí)結(jié)構(gòu)及亞結(jié)構(gòu)的預(yù)測(cè)新模型。從氨基酸的疏水性和極性出發(fā),基于離散小波變換和決策樹算法,構(gòu)建了預(yù)測(cè)蛋白質(zhì)四級(jí)結(jié)構(gòu)及亞結(jié)構(gòu)的新模型DWT DT。本文重點(diǎn)研究了氨基酸疏水性和極性對(duì)預(yù)測(cè)結(jié)果的影響,

5、經(jīng)分析表明疏水性對(duì)蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)準(zhǔn)確率有重要的影響。同時(shí),深入挖掘算法產(chǎn)生過(guò)擬合的原因,并通過(guò)ROC曲線和PR曲線的評(píng)價(jià),闡明了我們所構(gòu)建的模型能夠有效克服過(guò)擬合?；谏鲜鲅芯拷Y(jié)果,我們構(gòu)建了網(wǎng)絡(luò)在線預(yù)測(cè)平臺(tái),通過(guò)Internet向所有使用者提供開放式服務(wù)。
　　 (4)建立了蛋白質(zhì)棕櫚化修飾位點(diǎn)的預(yù)測(cè)新模型—WSM-Plam模型。該模型融合權(quán)重氨基酸成分、自相關(guān)函數(shù)和溶劑可及表面面積等多種特征提取方法表達(dá)棕櫚化位點(diǎn)樣本特征向

6、量信息,并通過(guò)不同的分類算法對(duì)其進(jìn)行分類預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,融合的特征提取方法比單一的方法能夠包含更多的有效特征向量,從而更準(zhǔn)確的對(duì)位點(diǎn)進(jìn)行識(shí)別分類。此外,該模型計(jì)算簡(jiǎn)單、分類精度高,且具有較強(qiáng)的自適應(yīng)、泛化和推廣應(yīng)用能力。最后,我們構(gòu)建了棕櫚化位點(diǎn)的在線預(yù)測(cè)平臺(tái)(http:／／bioinfo.ncu.edu.cn／services-ptm.aspx)。
　　 上述各種算法都已編寫了處理程序并實(shí)現(xiàn)網(wǎng)絡(luò)在線預(yù)測(cè),可以極為方便地使用