面向信號(hào)肽預(yù)測(cè)的若干數(shù)據(jù)挖掘算法研究.pdf

1、信號(hào)肽因其在指導(dǎo)蛋白質(zhì)路徑方面的重要作用，近年來(lái)成為生物信息學(xué)的研究熱點(diǎn)。單純的實(shí)驗(yàn)方法預(yù)測(cè)信號(hào)肽及其剪切點(diǎn)耗時(shí)耗力，80年代以來(lái)研究者提出了很多不同的模式識(shí)別方法，大大提高了工作效率。這里重點(diǎn)討論了數(shù)據(jù)挖掘的各種技術(shù)在生物信息學(xué)的信號(hào)肽預(yù)測(cè)領(lǐng)域的幾方面應(yīng)用，即全局比對(duì)算法用于計(jì)算信號(hào)肽序列間的相似性，和解決由滑動(dòng)窗口產(chǎn)生的信號(hào)肽樣本不平衡問(wèn)題。 本文主要工作包括： 1．全局比對(duì)算法用于計(jì)算信號(hào)肽序列間的相似性

2、信號(hào)肽預(yù)測(cè)的工作主要分為兩個(gè)方面：一是判斷是否為信號(hào)肽，二是預(yù)測(cè)信號(hào)肽的剪切點(diǎn)。判斷信號(hào)肽方面，目前的模式識(shí)別算法正確率已達(dá)92％~98％，而同樣的算法推廣至信號(hào)肽斷點(diǎn)的預(yù)測(cè)時(shí)，正確率則明顯下降。針對(duì)信號(hào)肽預(yù)測(cè)中的這一問(wèn)題，我們首次提出了將全局比對(duì)算法用于計(jì)算信號(hào)肽序列間的相似性，用于信號(hào)肽剪切點(diǎn)預(yù)測(cè)當(dāng)中。其中全局比對(duì)算法我們選擇了經(jīng)典的Needleman-Wunsch算法，在探討了該算法的替換矩陣和空位罰分各參數(shù)意義之后，對(duì)空位罰分的

3、各參數(shù)選擇進(jìn)行了詳細(xì)的研究，總結(jié)出規(guī)則。這一方法在新調(diào)整的參數(shù)下，預(yù)測(cè)準(zhǔn)確率有了大幅提高。 2．信號(hào)肽預(yù)測(cè)中的樣本不平衡問(wèn)題 在信號(hào)肽分類及其剪切點(diǎn)預(yù)測(cè)的研究中，對(duì)于目前為處理信號(hào)肽長(zhǎng)度不一致的問(wèn)題而普遍應(yīng)用的滑動(dòng)窗口方法，本文詳細(xì)論述了由其引發(fā)的嚴(yán)重的不平衡數(shù)據(jù)問(wèn)題。為了解決這個(gè)問(wèn)題，本文提出了一種新的雙重采樣方法：即同時(shí)對(duì)大樣本采樣和對(duì)小樣本重采樣，處理后的數(shù)據(jù)用SVM分類器分類。比較實(shí)驗(yàn)證明，雙重采樣方法結(jié)合現(xiàn)有的

4、兩種單純采樣方法的優(yōu)點(diǎn)，使得分類器相較先前的方法有了大幅提高，取得了理想的實(shí)驗(yàn)結(jié)果，我們最關(guān)心的小樣本(即信號(hào)肽正樣本)的正確率有了顯著的提高。該方法還能推廣到出現(xiàn)樣本不平衡問(wèn)題的眾多其他領(lǐng)域。另外，針對(duì)SVM核函數(shù)的選擇，也進(jìn)行了討論。實(shí)驗(yàn)了最常用的三個(gè)SVM核函數(shù)：線性核，多項(xiàng)式核和RBF核在信號(hào)肽預(yù)測(cè)中的表現(xiàn)。 3．建立在線信號(hào)肽預(yù)測(cè)平臺(tái) 為了推廣我們的信號(hào)肽預(yù)測(cè)算法，更為了方便生物信息學(xué)家的研究需要，我們?cè)诨ヂ?lián)網(wǎng)