多標(biāo)簽設(shè)置下的蛋白質(zhì)亞細(xì)胞定位研究.pdf

1、根據(jù)蛋白質(zhì)序列信息預(yù)測(cè)其在不同細(xì)胞器或細(xì)胞區(qū)域（即亞細(xì)胞，如細(xì)胞核、線粒體、細(xì)胞質(zhì)和細(xì)胞膜等），稱(chēng)為蛋白質(zhì)亞細(xì)胞定位。它是蛋白質(zhì)組學(xué)與蛋白質(zhì)功能研究的基礎(chǔ)工作。在以往的研究中，將蛋白質(zhì)亞細(xì)胞定位主要看成多類(lèi)問(wèn)題。但是，生物實(shí)驗(yàn)觀測(cè)到，蛋白質(zhì)可能存在于細(xì)胞中的一個(gè)或者多個(gè)亞細(xì)胞位置，因此它是一個(gè)典型的多標(biāo)簽分類(lèi)問(wèn)題。本文在多標(biāo)簽設(shè)置下，研究蛋白質(zhì)亞細(xì)胞定位問(wèn)題。
　　本文研究分成兩大步驟:
　　第一、蛋白質(zhì)序列特征的構(gòu)建;

2、r>　　第二、應(yīng)用多標(biāo)簽分類(lèi)算法預(yù)測(cè)蛋白質(zhì)亞細(xì)胞位置。
　　在構(gòu)建蛋白質(zhì)序列特征中，為了有效的表征蛋白質(zhì)的序列特征，本文首先對(duì)氨基酸組成，氨基酸的物化特性，基因本體等做了討論。然后提出了蛋白質(zhì)序列特征構(gòu)建的流程，并且詳細(xì)闡明了特征構(gòu)建的方法，包括:原始序列處理，Pse-AAC模型構(gòu)建和GO模型構(gòu)建。最后，根據(jù)提出的蛋白質(zhì)特征表征的方法構(gòu)建了七個(gè)不同特征表征的蛋白質(zhì)序列數(shù)據(jù)集，其中每個(gè)數(shù)據(jù)集內(nèi)包含病毒、植物、革蘭氏陰性菌、革蘭氏陽(yáng)性

3、菌、人類(lèi)和真核細(xì)胞6個(gè)物種的子數(shù)據(jù)集，共有42個(gè)獨(dú)立的數(shù)據(jù)集。
　　在蛋白質(zhì)亞細(xì)胞定位算法比較中，本文應(yīng)用OVR-kNN、ML-kNN、Rank-SVM和SVM-ML四種多標(biāo)簽分類(lèi)算法對(duì)此問(wèn)題進(jìn)行實(shí)驗(yàn)。首先以Recall為指標(biāo)，用3折疊交叉驗(yàn)證的方法進(jìn)行網(wǎng)格搜索，找到每個(gè)數(shù)據(jù)集的最優(yōu)參數(shù)。然后，利用最優(yōu)參數(shù)對(duì)每個(gè)數(shù)據(jù)集做10折疊交叉驗(yàn)證，得到實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明:
　　1、對(duì)于七種不同特征表征的蛋白質(zhì)序列數(shù)據(jù)集，用Pse-

4、AAC模型修補(bǔ)二進(jìn)制GO模型的特征表征的方法更加有效;
　　2、OVR-kNN算法要比其他三種算法速度快;
　　3、基于SVM的算法取得的實(shí)驗(yàn)性能好于基于.kNN的算法;
　　4、SVM-ML算法在指標(biāo)Recall上的性能好于同類(lèi)型的Rank-SVM算法，也好于基于kNN的算法。
　　最后，將用“留一法”得到病毒和植物的實(shí)驗(yàn)結(jié)果與現(xiàn)存方法進(jìn)行比較，本文研究方法的性能要優(yōu)于Cell-Ploc和Cell-PLoc2.