基于離散增量法和神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè).pdf

1、隨著后基因組時(shí)代的到來(lái)，生命科學(xué)的研究?jī)?nèi)容呈高速發(fā)展態(tài)勢(shì)，生物信息數(shù)據(jù)迅速增長(zhǎng)。由于生物數(shù)據(jù)具有大規(guī)模性和復(fù)雜性的特征，因此，探索如何高效處理海量生物數(shù)據(jù)的生物信息學(xué)學(xué)科就應(yīng)運(yùn)而生。生物學(xué)功能取決于蛋白質(zhì)所處的亞細(xì)胞位置，同時(shí)，蛋白質(zhì)發(fā)揮功能的必要條件是該蛋白質(zhì)要處于特定的亞細(xì)胞位置。如果蛋白質(zhì)的運(yùn)送位置發(fā)生了偏差，那么將會(huì)對(duì)細(xì)胞功能乃至生物體產(chǎn)生重大影響。此外，明確蛋白質(zhì)的亞細(xì)胞定位能獲取蛋白質(zhì)的功能和結(jié)構(gòu)信息，也可以使人們了解疾病的

2、發(fā)生機(jī)理，有利于生物制藥和細(xì)胞醫(yī)療領(lǐng)域的深入發(fā)展。因此，蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)成為了后基因組時(shí)代生物信息學(xué)的主要研究?jī)?nèi)容之一。
　　生物學(xué)觀點(diǎn)認(rèn)為，蛋白質(zhì)序列決定結(jié)構(gòu)，結(jié)構(gòu)決定功能。蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)的生物信息學(xué)方法主要是通過(guò)智能算法和最初的氨基酸序列來(lái)預(yù)測(cè)蛋白質(zhì)具體的亞細(xì)胞位置。蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)的生物信息學(xué)方法一般包括四個(gè)步驟:第一，建立一個(gè)客觀有效的數(shù)據(jù)集;第二，選擇合適的特征提取方法對(duì)蛋白質(zhì)序列進(jìn)行編碼;第三，利用智能算

3、法構(gòu)建行之有效的分類(lèi)器，應(yīng)用分類(lèi)器對(duì)蛋白質(zhì)序列進(jìn)行亞細(xì)胞定位;第四，根據(jù)預(yù)測(cè)結(jié)果對(duì)分類(lèi)器算法進(jìn)行評(píng)估。
　　本文系統(tǒng)的介紹了蛋白質(zhì)特征提取方法、蛋白質(zhì)亞細(xì)胞定位的智能算法、離散增量法和神經(jīng)網(wǎng)絡(luò)等基本理論，在總結(jié)前人的研究基礎(chǔ)上，提出了使用離散增量法結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)的方法。研究的重點(diǎn)是，將離散增量法和神經(jīng)網(wǎng)絡(luò)進(jìn)行有效結(jié)合以及能夠使蛋白質(zhì)序列獲得較高的預(yù)測(cè)精度的特征提取方法。
　　進(jìn)行蛋白質(zhì)亞細(xì)胞定位，首先必

4、須通過(guò)特征提取方法使蛋白質(zhì)序列成為計(jì)算機(jī)能夠識(shí)別的數(shù)字信息。特征提取方法對(duì)亞細(xì)胞定位預(yù)測(cè)正確率至關(guān)重要，常用的特征提取方法有氨基酸組成模型(AAC)、二肽組成模型(Dipeptide)、水合組成模型（AAHC）、偽氨基酸組成模型（PseAA）、理化組成模型(PCC)、分組重量編碼(EBGW)、N端信號(hào)編碼(NTS)等。本文研究時(shí)，將離散增量法這種分類(lèi)器方法轉(zhuǎn)化成特征提取方法，將常用特征提取方法提取后的蛋白質(zhì)序列輸入到離散增量分類(lèi)器中，將

5、得到的多樣性增量作為蛋白質(zhì)的特征。同時(shí)，將各種常用特征提取后得到的多樣性增量特征進(jìn)行了融合。結(jié)果顯示，有效的融合多特征會(huì)比單使用一種特征編碼方式效果更好。其中，N端信號(hào)編碼對(duì)亞細(xì)胞定位預(yù)測(cè)效果的提高起到了很大的作用。
　　常用的二分類(lèi)器方法有K近鄰方法(KNN)、貝葉斯網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、柔性神經(jīng)樹(shù)(FNT)等。但蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)是典型的多類(lèi)分類(lèi)問(wèn)題，用上面提到的幾種分類(lèi)器進(jìn)行多分類(lèi)，預(yù)測(cè)結(jié)果并不理想。因此，處理多分