基于序列信息的DNA結合蛋白質預測方法研究.pdf

1、隨著蛋白質測序技術的不斷進步，人類對蛋白質的序列和結構的認識得以不斷深入。但快速增加的蛋白質序列數據，給蛋白質結構和功能的自動預測提出了巨大挑戰(zhàn)。在大量的蛋白質中，DNA結合蛋白質是指一類可與DNA結合產生復合物的蛋白質，是細胞各項生命活動不可缺少的物質。對DNA結合蛋白質的預測可以快速有效地發(fā)現DNA結合蛋白質，促進藥物蛋白質靶標的快速識別以及計算機輔助藥物設計的研究。
　　DNA結合蛋白質的預測問題大體可分為兩類，即結構已知的

2、DNA結合蛋白質預測和結構未知的DNA結合蛋白質預測。應用已知結構特征進行預測可獲得較高的預測正確率，但是由于生物體蛋白質組中絕大部分蛋白質的結構未知，因此此類方法不適用于高通量蛋白質功能預測。本文重點研究結構未知的DNA結合蛋白質預測問題，即基于序列信息的DNA結合蛋白質預測。本文從蛋白質向量化方法和機器學習的角度研究DNA結合蛋白質預測。
　　本文的主要工作包括：第一，研究了基于Top-n-gram的蛋白質向量化方法在 DNA

3、結合蛋白質預測上的應用。在此部分，首先研究了該方法將不同維數的蛋白質序列頻率譜轉化為相同維數的特征向量的具體步驟，最后計算了該方法產生的各特征的判別貢獻權重并分析了其中的重要特征；第二，提出了一種基于位置特異性分數矩陣距離轉換(Position-Specific Scoring Matrix Distance Transformation，PSSM-DT)的蛋白質向量化方法，用于DNA結合蛋白質預測。實驗結果表明 PSSM-DT方法不僅