基于多數(shù)據(jù)源融合的蛋白質(zhì)功能預(yù)測(cè)方法研究.pdf

1、隨著基因組測(cè)序的完成，生物學(xué)研究進(jìn)入到了后基因組時(shí)代，其關(guān)鍵領(lǐng)域之一是對(duì)揭示生命活動(dòng)現(xiàn)象極為重要的蛋白質(zhì)組學(xué)的研究。蛋白質(zhì)是細(xì)胞主要組成成分，其承擔(dān)著生物體的生命基礎(chǔ)以及生物功能。作為蛋白質(zhì)組學(xué)研究的重要方向之一，確定蛋白質(zhì)的功能對(duì)了解生物體運(yùn)行機(jī)能、細(xì)胞結(jié)構(gòu)、疾病診斷以及改良作物等具有重要意義。目前，精確的注釋蛋白質(zhì)功能主要通過(guò)生物實(shí)驗(yàn)方法，然而該方法受實(shí)現(xiàn)成本高、耗費(fèi)時(shí)間長(zhǎng)以及人為因素等限制。因此，近些年對(duì)蛋白質(zhì)高通量數(shù)據(jù)使用計(jì)算方

2、法來(lái)預(yù)測(cè)大量蛋白質(zhì)的功能成為一種趨勢(shì)。隨著基因芯片、生物質(zhì)譜等技術(shù)的發(fā)展，產(chǎn)生了多種蛋白質(zhì)高通量數(shù)據(jù)，包括基因表達(dá)、蛋白質(zhì)序列以及蛋白質(zhì)相互作用等。不同的數(shù)據(jù)從各自不同的角度體現(xiàn)蛋白質(zhì)功能信息，如何有效地利用各數(shù)據(jù)源信息來(lái)整合這些異構(gòu)蛋白質(zhì)數(shù)據(jù)對(duì)準(zhǔn)確預(yù)測(cè)蛋白質(zhì)功能至關(guān)重要。
　　蛋白質(zhì)功能預(yù)測(cè)是一個(gè)多樣本多標(biāo)簽問(wèn)題，可通過(guò)已知蛋白質(zhì)注釋信息來(lái)預(yù)測(cè)未注釋蛋白質(zhì)功能。一個(gè)特定功能通常不是由某個(gè)蛋白質(zhì)單獨(dú)實(shí)現(xiàn)的，而是由多種蛋白質(zhì)組成復(fù)合

3、物來(lái)執(zhí)行，即蛋白質(zhì)之間存在相互作用關(guān)系。考慮到相互作用網(wǎng)絡(luò)中同時(shí)包含已注釋蛋白質(zhì)和未注釋蛋白質(zhì)，可使用基于半監(jiān)督學(xué)習(xí)的相關(guān)圖理論來(lái)預(yù)測(cè)功能。本文提出了基于多數(shù)據(jù)源融合的標(biāo)簽傳播算法的功能預(yù)測(cè)方法。針對(duì)每種數(shù)據(jù)源，計(jì)算蛋白質(zhì)之間的相似性值，并選取較大的相似性值構(gòu)建相互作用網(wǎng)絡(luò)。該方法使用樸素貝葉斯模型融合多數(shù)據(jù)源網(wǎng)絡(luò)，并利用標(biāo)簽傳播算法將已注釋蛋白質(zhì)功能經(jīng)過(guò)多輪傳遞到未注釋蛋白質(zhì)，最后得到所有功能的得分向量。在酵母數(shù)據(jù)集交叉驗(yàn)證結(jié)果表明本

4、文方法具有更高的平均查準(zhǔn)率、較低的覆蓋度，且明顯優(yōu)于單數(shù)據(jù)源方法。
　　通過(guò)統(tǒng)計(jì)分析可知相關(guān)功能一般共同注釋于一些蛋白質(zhì)，并且基因本體術(shù)語(yǔ)具有注釋相關(guān)性，即蛋白質(zhì)注釋子術(shù)語(yǔ)，則同時(shí)也注釋其相關(guān)父術(shù)語(yǔ)。因此，本文采用杰卡德相似系數(shù)計(jì)算功能之間的注釋相關(guān)性構(gòu)建功能相關(guān)性網(wǎng)絡(luò)，將其引入功能預(yù)測(cè)模型來(lái)提高預(yù)測(cè)精度。將功能相關(guān)性網(wǎng)絡(luò)結(jié)合到蛋白質(zhì)相互作用網(wǎng)絡(luò)構(gòu)建雙重索引矩陣，并使用隨機(jī)游走模型預(yù)測(cè)蛋白質(zhì)功能。通過(guò)在酵母數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果可知該