信號處理方法在波譜分析及生物信息學(xué)中的應(yīng)用研究.pdf

1、隨著方法學(xué)研究的成熟與發(fā)展，信號處理成為了當(dāng)代科學(xué)技術(shù)的重要工具，被廣泛地用于語音、圖像、通信、生物醫(yī)學(xué)等領(lǐng)域。小波變換作為信號處理方法的優(yōu)秀代表，已受到許多化學(xué)家的關(guān)注，大量的波譜分析工作利用小波變換方法，圍繞著化學(xué)信號的去噪，濾波，基線校正，特征提取等內(nèi)容展開，取得了令人滿意的結(jié)果。小波變換的多尺度分辨能力，除了運(yùn)用于信號解析方面外，還有利于譜圖數(shù)據(jù)的壓縮處理，現(xiàn)今，由于檢測技術(shù)的提高和新型儀器的研制，標(biāo)準(zhǔn)紅外光譜數(shù)據(jù)庫不斷增大，如

2、能有效的對紅外光譜數(shù)據(jù)進(jìn)行壓縮，于譜圖的存儲及快速檢索均是一項(xiàng)有意義的工作。 本文針對小波變換在紅外光譜數(shù)據(jù)壓縮中遇到的幾個(gè)重要問題進(jìn)行了探討，并嘗試在原先的基礎(chǔ)上，進(jìn)一步提高壓縮性能(第二章、第三章)。早期的譜圖數(shù)據(jù)壓縮研究，大抵針對紫外可見光譜，在紅外光譜的壓縮方面也僅用到Daubechies小波函數(shù)，事實(shí)上，不同的小波函數(shù)對譜圖的壓縮能力各不相同，而且譜圖本身的復(fù)雜度也會(huì)對壓縮比造成一定的影響。本文作者通過選取4幅代表性的

3、Aldrich凝聚相樣本標(biāo)準(zhǔn)紅外光譜，在預(yù)控重構(gòu)根均方差為0.009的條件下，考察了四類小波函數(shù)(Daubechies小波函數(shù)系、Coiflets小波函數(shù)系、Symlets小波函數(shù)系和雙正交小波函數(shù)系)的壓縮性能。在此基礎(chǔ)上，一種用于二維圖象壓縮的方法——嵌入式零樹小波編碼方法被引入本工作中，該方法在壓縮過程中定義的零樹結(jié)構(gòu)，利用了小波分解譜圖后系數(shù)的自相似性，可以忽略非重要的小波系數(shù)而不必保留其位置信息，我們將其改進(jìn)后，結(jié)合霍夫曼編碼

4、對紅外光譜進(jìn)行壓縮，使得壓縮結(jié)果較“硬”閾值法提高了68.1[％]。 生物信息學(xué)是二十一世紀(jì)的新興學(xué)科，人類基因組計(jì)劃(Human Genome Project，HGP)的啟動(dòng)推動(dòng)了生物信息學(xué)的產(chǎn)生和蓬勃發(fā)展。海量數(shù)據(jù)的產(chǎn)生，需要新的方法、新的計(jì)算工具來進(jìn)行數(shù)據(jù)管理跟提取有用信息構(gòu)建二次數(shù)據(jù)庫。因此，蛋白質(zhì)序列分析成為了生物信息學(xué)家們的關(guān)注熱點(diǎn)，由于缺少實(shí)驗(yàn)數(shù)據(jù)，研究者們希望通過蛋白質(zhì)序列信息預(yù)測其結(jié)構(gòu)特征或者進(jìn)行功能分類。

5、 本論文的第二部分(第四章——第七章)從氨基酸替代模型入手，提出表征蛋白質(zhì)序列相似性的“S”函數(shù)，通過建立蛋白質(zhì)頻率譜，使用支持向量機(jī)及Delaunay三角化算法分類G蛋白偶聯(lián)受體，之后在進(jìn)一步的研究中，我們將偏最小二乘投影與Delaunay三角化算法結(jié)合，預(yù)測G蛋白偶聯(lián)受體拓?fù)浣Y(jié)構(gòu)。蛋白質(zhì)的三級結(jié)構(gòu)與其一維的氨基酸序列排布是一一對應(yīng)的，通過不同氨基酸的結(jié)構(gòu)以及所處環(huán)境的不同，形成了特定的三級結(jié)構(gòu)。因此，將信號處理方法用于蛋白質(zhì)序

6、列分析的關(guān)鍵問題，是將氨基酸字符替換成數(shù)字，如何在保證少損失結(jié)構(gòu)信息的條件下，把蛋白質(zhì)字符序列轉(zhuǎn)換成數(shù)字序列。文中構(gòu)建的雜化氨基酸替代模型，在蛋白質(zhì)序列集HTH-type transcriptional repressor和Lysozyme的分類中取得了很高的準(zhǔn)確度。在BAliBASE數(shù)據(jù)庫的分類中，對于相似性低于20[％]的蛋白質(zhì)序列，小波函數(shù)Bior3.3具有最高的識別率，基于此結(jié)果，我們提出了衡量序列相似性的“S”函數(shù)，該函數(shù)利用

7、小波分解系數(shù)能量歸一化的特性，對不同尺度的小波系數(shù)賦以相應(yīng)的權(quán)重并相加和，最終得到S值的高低判定相似性的大小。“S”函數(shù)應(yīng)用于相似蛋白質(zhì)數(shù)據(jù)集Fibrillin和Amelogenin precursor的計(jì)算中，所得結(jié)果與實(shí)驗(yàn)結(jié)論相吻合。G蛋白偶聯(lián)受體家族的分類及結(jié)構(gòu)識別一直是序列分析的熱點(diǎn)，我們在使用氨基酸替代模型轉(zhuǎn)換蛋白質(zhì)序列的基礎(chǔ)上，通過傅立葉變換建立蛋白質(zhì)頻率譜，該頻率譜描述了在時(shí)間尺度上出現(xiàn)頻率最高的序列片段，則這些片段有可能

8、是蛋白質(zhì)序列的保守區(qū)域或是功能區(qū)域。本文中使用支持向量機(jī)分類G蛋白偶聯(lián)受體，以蛋白質(zhì)頻率譜作為輸入?yún)?shù)，取得了90％以上的準(zhǔn)確率，而使用Delaunay三角化算法對其的分類精度也在80％以上，以此為基礎(chǔ)，我們進(jìn)一步研究對G蛋白偶聯(lián)受體的拓?fù)浣Y(jié)構(gòu)識別，即預(yù)測氮端的位置和7個(gè)跨膜區(qū)域的起止位置，通過Delaunay三角化算法與偏最小二乘投影法的結(jié)合，預(yù)測氮端的正確率達(dá)到100％，預(yù)測7個(gè)跨膜區(qū)域的正確率達(dá)到90％，同時(shí)對其位置的預(yù)測誤差在8