基于支持向量回歸集成的蛋白質(zhì)-ATP綁定位點預(yù)測研究.pdf

1、蛋白質(zhì)(protein)作為生命現(xiàn)象的物質(zhì)基礎(chǔ)之一，是生命活動過程中的重要承擔者，在生物體的生命過程中具有重要的作用。生物信息學(xué)的研究對于人們加深對人類生命過程的認知，幫助人們改善醫(yī)療環(huán)境和提高生活質(zhì)量有著重要的意義，受到了國內(nèi)外學(xué)者的廣泛重視。隨著上世紀90年代“人類基因組計劃”(Human Genome Project，HGP)工作的展開，已知蛋白質(zhì)序列的數(shù)量呈爆炸性增長，標志著人類已經(jīng)跨入到后基因組時代。
　　蛋白質(zhì)的基本組

2、成單位是氨基酸，蛋白質(zhì)分子由氨基酸序列形成的一條長長的肽鏈，并在空間盤繞折疊進而形成特定的立體結(jié)構(gòu)，不同的氨基酸序列決定了蛋白質(zhì)結(jié)構(gòu)的多樣性。我們知道，蛋白質(zhì)結(jié)構(gòu)決定蛋白質(zhì)功能，而蛋白質(zhì)的生物功能體現(xiàn)在它和各種配體如三磷酸腺苷、維生素、金屬離子、藥物分子等以某種生物化學(xué)方式結(jié)合（稱之為綁定），在生物體的生命過程中發(fā)揮相應(yīng)的作用。三磷酸腺苷(Adenosine5'-triphosphate，ATP)作為一種蛋白質(zhì)配體，在分子細胞生物學(xué)中扮

3、演著一個重要的角色，如膜運輸、細胞活性、肌肉收縮、信號、復(fù)制和轉(zhuǎn)錄DNA、以及各種代謝過程。蛋白質(zhì)與ATP的綁定作用發(fā)生位點與蛋白質(zhì)的結(jié)構(gòu)有著密切的關(guān)系。
　　隨著蛋白質(zhì)測序技術(shù)的飛速發(fā)展，已經(jīng)積累了大量的蛋白質(zhì)序列數(shù)據(jù)未標定，傳統(tǒng)的生物學(xué)實驗方法往往遇到實驗密集、昂貴、耗時等問題。目前，從已知的蛋白質(zhì)序列來預(yù)測蛋白質(zhì)與配體的綁定關(guān)系是一項重要的工作。本文中，將蛋白質(zhì)序列的ATP綁定位點與非綁定位點進行分類是個不平衡的二分類問題，

4、其中綁定位點是樣本數(shù)目稀少的正類樣本，非綁定位點是樣本數(shù)目眾多的負類樣本。根據(jù)機器學(xué)習(xí)關(guān)于可以將分類問題作為回歸問題的特例的觀點出發(fā)，并根據(jù)所研究問題本身的特點，我們提出了一種基于支持向量回歸分類器集成的蛋白質(zhì)-ATP綁定位點預(yù)測方法。首先，使用滑動窗口抽取蛋白質(zhì)序列中每個殘基的特征，得到一批不平衡的兩類樣本;其次，應(yīng)用隨機下采樣策略，消除正負樣本存在的顯著不平衡;最后，我們設(shè)計了一個基于支持向量回歸集成的預(yù)測模型，并選取合適的閾值進行