基于覆蓋算法的蛋白質(zhì)二級結(jié)構(gòu)和結(jié)構(gòu)域預(yù)測.pdf

1、蛋白質(zhì)結(jié)構(gòu)研究是生命科學(xué)的基礎(chǔ)和重大核心問題之一。蛋白質(zhì)的結(jié)構(gòu)決定了它的功能,因此進行蛋白質(zhì)結(jié)構(gòu)預(yù)測對于深入了解蛋白質(zhì)的功能,以及分子設(shè)計、生物制藥等領(lǐng)域都有著很重要的現(xiàn)實意義。然而,隨著人類基因組項目和其它大規(guī)模測序項目帶來的生物學(xué)數(shù)據(jù)爆炸性的增長,傳統(tǒng)的實驗確定蛋白質(zhì)結(jié)構(gòu)的方法已經(jīng)遠遠不能滿足需求。因此,從理論上根據(jù)蛋白質(zhì)一級序列預(yù)測其空間結(jié)構(gòu)就顯得非常必要。在眾多方法中,神經(jīng)網(wǎng)絡(luò)作為機器學(xué)習(xí)的重要方法,在蛋白質(zhì)結(jié)構(gòu)預(yù)測中得到了廣泛

2、的應(yīng)用,并取得了很好的效果。本文使用的是一種構(gòu)造性的神經(jīng)網(wǎng)絡(luò)算法—覆蓋算法,并將其應(yīng)用到蛋白質(zhì)二級結(jié)構(gòu)和蛋白質(zhì)結(jié)構(gòu)域預(yù)測中,取得了很好的效果。
　　本文的主要工作分為以下幾個部分:
　　1.首先概述了本課題國內(nèi)外研究的現(xiàn)狀和發(fā)展的過程。對生物信息學(xué)和蛋白質(zhì)的相關(guān)內(nèi)容和概念進行深入的學(xué)習(xí),分別對二級結(jié)構(gòu)預(yù)測和結(jié)構(gòu)域預(yù)測的方法進行分類研究,比較各種方法的優(yōu)勢和不足,進而提出了使用覆蓋算法及其改進算法(核覆蓋算法)進行二級結(jié)構(gòu)和結(jié)

3、構(gòu)域預(yù)測的思路。
　　2.對蛋白質(zhì)二級結(jié)構(gòu)進行深入分析研究,利用核覆蓋算法結(jié)合Profile編碼提高了二級結(jié)構(gòu)預(yù)測的準(zhǔn)確率。首先,比較分析各種機器學(xué)習(xí)的方法,選取覆蓋算法的改進方法,即核覆蓋算法建立預(yù)測模型,核覆蓋算法是領(lǐng)域覆蓋的一種改進算法,它將SVM中的核函數(shù)法和構(gòu)造性學(xué)習(xí)的覆蓋算法相融合,具有魯棒性強,準(zhǔn)確率高等優(yōu)點。然后利用網(wǎng)絡(luò)資源從蛋白質(zhì)數(shù)據(jù)庫中整理出一定數(shù)量的蛋白質(zhì)序列做為實驗的數(shù)據(jù)集。通過對蛋白質(zhì)的序列編碼仔細研究,

4、并比較了各種編碼方式的特點,采用了帶有遺傳信息的profile編碼。在MATLAB平臺上采用核覆蓋算法進行蛋白質(zhì)二級結(jié)構(gòu)分類研究,并與其它方法進行比較分析,結(jié)果表明了核覆蓋算法在蛋白質(zhì)二級結(jié)構(gòu)預(yù)測中的可行性和有效性。
　　3.結(jié)構(gòu)域的識別是蛋白質(zhì)研究中一個極具挑戰(zhàn)性的課題,我們嘗試首次將覆蓋算法應(yīng)用于結(jié)構(gòu)域預(yù)測中,僅通過挖掘與分析序列本身所包含的信息來預(yù)測結(jié)構(gòu)域位置的劃分。通過從已有的結(jié)構(gòu)域數(shù)據(jù)庫中選取一定數(shù)量的序列作為實驗的數(shù)據(jù)