基于智能計算的蛋白質(zhì)結(jié)構(gòu)預測系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著人類基因組計劃的完成，蛋白質(zhì)序列數(shù)量的急劇增加，而每年新增加的已知結(jié)構(gòu)的蛋白質(zhì)數(shù)量卻增加緩慢，因此迫切的需要開發(fā)快速、準確地計算工具來預測蛋白質(zhì)的三級結(jié)構(gòu)。本文介紹了蛋白質(zhì)結(jié)構(gòu)預測所涉及到的相關(guān)理論，內(nèi)容包括氨基酸序列的的特征提取方式，分類模型的設(shè)計及智能優(yōu)化算法的選擇。在理論研究的基礎(chǔ)上，構(gòu)建一個在穩(wěn)定性、速度和易用性方面都能勝任的蛋白分析工具，可高通量、自動化的完成大規(guī)模的蛋白數(shù)據(jù)分析的系統(tǒng)。
　　 本蛋白質(zhì)結(jié)構(gòu)預測系統(tǒng)

2、包括特征提取、分類建模及結(jié)果評價等模塊。該系統(tǒng)是在Microsoft Visual Studio2008平臺下，用C#語言實現(xiàn)。本課題的主要工作如下:
　　 (1)氨基酸序列的特征提取。針對氨基酸序列的特點，首先必須把氨基酸序列中的信息提取出來，轉(zhuǎn)化成計算機可以處理的數(shù)據(jù)，即特征提取。不同的特征提取方法對于不同的數(shù)據(jù)集和分類模型效果不同。本文采用七類組成模型、二肽組成模型、三肽頻數(shù)法、分布組成模型，從不同角度對氨基酸特征進行提取

3、，還可以將不同特征提取方法進行融合以提高預測精度。
　　 (2)建立分類模型。通過分析和學習從氨基酸序列提取出的有用信息，總結(jié)出規(guī)律，實現(xiàn)對未知結(jié)構(gòu)的氨基酸序列進行結(jié)構(gòu)預測。由于蛋白質(zhì)三級結(jié)構(gòu)預測信息維數(shù)高，計算量大，采用不同的分類模型對于時間效率和預測精度至關(guān)重要。本文采用了當前比較主流的幾種分類模型:人工神經(jīng)網(wǎng)絡(luò)(ANN)、BP神經(jīng)網(wǎng)絡(luò)及K-近鄰分類模型。神經(jīng)網(wǎng)絡(luò)具有自組織、自學習和自適應的特點，并且非常擅長處理非線性的生物

4、信息學優(yōu)化問題，所以本文選取了神經(jīng)網(wǎng)絡(luò)模型進行預測，同時為了避免陷入局部最優(yōu)，選擇了粒子群優(yōu)化算法(PSO)和梯度下降優(yōu)化算法(BP)優(yōu)化網(wǎng)絡(luò)參數(shù)。K-近鄰算法(KNN)是一種的基于距離度量的分類方法，具有直觀、無需先驗統(tǒng)計知識、無師學習等特點，從而成為非參數(shù)分類的一種重要方法，針對于K-近鄰算法的不足本文提出了一種加權(quán)的K-近鄰算法，對蛋白質(zhì)結(jié)構(gòu)預測有很好的效果。
　　 (3)設(shè)計并實現(xiàn)蛋白質(zhì)結(jié)構(gòu)預測系統(tǒng)。在VS2008平臺下