基于序列的蛋白質(zhì)-核苷酸綁定位點預(yù)測研究.pdf

1、近年的研究表明，蛋白質(zhì)與核苷酸之間的相互作用與人類的各種疾病有著密切的關(guān)聯(lián)，而蛋白質(zhì)與核苷酸結(jié)合的綁定位點往往會成為藥物設(shè)計的重要支撐點。從這點上來說，蛋白質(zhì)-核苷酸綁定位點預(yù)測的意義重大。然而，單純依賴生物學實驗來獲取蛋白質(zhì)-核苷酸綁定位點情況的成本大，而且耗時長。因此，使用模式識別的方法來進行預(yù)測越來越重要。同時蛋白質(zhì)-核苷酸綁定位點預(yù)測是一個典型的不平衡學習問題，因為整個序列中少數(shù)類（綁定殘基）遠少于多數(shù)類（非綁定殘基）。可以通過

2、采樣方法來解決這個問題。
　　本文就蛋白質(zhì)-核苷酸綁定位點預(yù)測技術(shù)進行了深入研究，主要工作如下:
　　(1)研究了蛋白質(zhì)的特征提取。利用位置特異性迭代搜索算法(PSI-BLAST)得到初始的位置特異性得分矩陣（PSSM），并用sigmoid函數(shù)對PSSM進行歸一化。利用滑動窗口技術(shù)來提取蛋白質(zhì)序列中殘基的鄰域特征作為該殘基的特征，而得到的殘基的鄰域特征正好可以被看作是一幅圖像，進而可以利用數(shù)字圖像處理中的稀疏表示方法提取更為

3、優(yōu)質(zhì)的PSSM特征。
　　(2)研究了加權(quán)下采樣和基于聚類的下采樣兩種采樣方法。這兩種采樣方法都可以解決不平衡學習問題。加權(quán)下采樣利用K近鄰來計算訓練樣本的一個得分矩陣，并根據(jù)得分矩陣計算樣本的權(quán)值，然后依據(jù)樣本的權(quán)值來選擇和正類樣本一樣多的負類樣本，并將選擇的負類樣本與所有正類樣本一起組成新的訓練樣本。基于聚類的下采樣則先用C-均值算法對訓練樣本中所有的負類樣本進行聚類，其中的C等于訓練樣本中負類樣本個數(shù)與正類樣本個數(shù)的比值，然

4、后在每個聚類中隨機選擇一定比例的樣本，并將選擇的負類樣本與所有正類樣本一起組成新的訓練樣本。
　　(3)研究了WUS-SVM和CUS-SVM兩種預(yù)測模型。WUS-SVM預(yù)測模型是結(jié)合加權(quán)下采樣和支持向量機形成的，而CUS-SVM預(yù)測模型則是結(jié)合基于聚類的下采樣和支持向量機形成的。在NsitePred和BioLip兩個標準數(shù)據(jù)集上分別做五重交叉驗證實驗和獨立測試實驗來檢驗兩種預(yù)測模型的性能。實驗結(jié)果表明，兩種預(yù)測模型各自采用不同的下