基于機(jī)器學(xué)習(xí)的蛋白質(zhì)類別及蛋白質(zhì)-配體相互作用預(yù)測(cè)研究.pdf

1、在后基因組時(shí)代，生物信息技術(shù)迅速發(fā)展，生命科學(xué)的研究重心從破譯基因組序列轉(zhuǎn)移到基因功能注釋。依據(jù)分子生物學(xué)中心法則，攜帶遺傳信息的基因翻譯成蛋白質(zhì)才能在生物體內(nèi)執(zhí)行多種多樣的生理功能。隨著高通量測(cè)序技術(shù)的日臻成熟，被測(cè)定的蛋白質(zhì)序列數(shù)目呈指數(shù)增長(zhǎng)，與此相比，被測(cè)定功能的蛋白質(zhì)數(shù)目的增長(zhǎng)速度相對(duì)滯后。已知序列的蛋白質(zhì)數(shù)目和已知功能的蛋白質(zhì)數(shù)目之間的差距不斷擴(kuò)大，蛋白質(zhì)功能預(yù)測(cè)成為重要且極具挑戰(zhàn)性的研究課題，其不僅有助于探索生命起源和遺傳變

2、異，而且有助于從細(xì)胞和分子水平上探討人類重大疾病的發(fā)病機(jī)制，為疾病的診斷、預(yù)防和藥物開發(fā)等提供重要的理論支持。通過(guò)實(shí)驗(yàn)方法進(jìn)行蛋白質(zhì)功能注釋，成本昂貴、耗時(shí)耗力且無(wú)法大規(guī)模開展。因此，亟需開發(fā)可靠、經(jīng)濟(jì)和高通量的計(jì)算方法，快速精確地預(yù)測(cè)蛋白質(zhì)功能。蛋白質(zhì)類別預(yù)測(cè)和蛋白質(zhì)-配體相互作用預(yù)測(cè)是蛋白質(zhì)功能預(yù)測(cè)的兩大重要研究分支?；跈C(jī)器學(xué)習(xí)，本學(xué)位論文對(duì)蛋白質(zhì)類別預(yù)測(cè)和蛋白質(zhì)-配體相互作用預(yù)測(cè)進(jìn)行了深入研究，具體內(nèi)容如下:
　　(1)蛋

3、白質(zhì)類別預(yù)測(cè)中的二分類問(wèn)題
　　噬菌體病毒蛋白和非病毒蛋白具有不同的生物學(xué)功能。從噬菌體蛋白中準(zhǔn)確地識(shí)別病毒蛋白有助于理解復(fù)雜的病毒機(jī)制和開發(fā)抗細(xì)菌藥物?，F(xiàn)有的計(jì)算方法未全方位的提取蛋白質(zhì)序列特征，且利用單一的分類器構(gòu)建預(yù)測(cè)模型?；赟tacking方法，提出了新的噬菌體病毒蛋白預(yù)測(cè)方法。該方法從蛋白質(zhì)序列中提取氨基酸的組成、位置、順序、分布、理化屬性和進(jìn)化等信息?；诓煌奶卣魈崛〔呗裕謩e構(gòu)建不同的隨機(jī)森林預(yù)測(cè)模型，并利用邏輯

4、回歸算法整合隨機(jī)森林預(yù)測(cè)模型的預(yù)測(cè)結(jié)果。在獨(dú)立測(cè)試集上，該方法的預(yù)測(cè)性能優(yōu)于現(xiàn)有方法，是預(yù)測(cè)噬菌體病毒蛋白的有效工具。
　　在生物體內(nèi)，抗氧蛋白在維持氧化/抗氧化的平衡過(guò)程中發(fā)揮著重要作用，且對(duì)于疾病的治療具有潛在的價(jià)值。準(zhǔn)確地預(yù)測(cè)抗氧蛋白為揭示氧化/抗氧化平衡的生理機(jī)制和開發(fā)抗氧化藥物提供理論依據(jù)。針對(duì)現(xiàn)有方法的局限性，通過(guò)多源特征提取和分類器選擇策略，構(gòu)建了預(yù)測(cè)抗氧蛋白的集成學(xué)習(xí)方法。為進(jìn)一步提高預(yù)測(cè)性能，該方法利用Relie

5、f-增量特征選擇剔除冗余和不相關(guān)的特征。在獨(dú)立測(cè)試集上，該方法取得了較為均衡的敏感性和特異性，遠(yuǎn)遠(yuǎn)優(yōu)于現(xiàn)有方法。
　　抗血管生成肽對(duì)于血管生成具有抑制作用，有助于治療與血管生成相關(guān)的疾病。準(zhǔn)確地預(yù)測(cè)抗血管生成肽能夠?yàn)槔斫庋艿纳蓹C(jī)制和發(fā)展抗腫瘤療法提供重要線索。現(xiàn)有方法通過(guò)單分類器建立預(yù)測(cè)模型，并未利用特征選擇技術(shù)獲取具有高度識(shí)別能力的特征。通過(guò)分別選取具有高敏感性以及高特異性的基分類器模型，構(gòu)建了預(yù)測(cè)抗血管生成肽的集成分類器模

6、型。為降低計(jì)算復(fù)雜度和提高預(yù)測(cè)能力，利用特征選擇技術(shù)獲取與分類目標(biāo)更相關(guān)的特征。與現(xiàn)有方法在相同的基準(zhǔn)數(shù)據(jù)集上的預(yù)測(cè)性能比較結(jié)果表明，該集成分類器是預(yù)測(cè)抗血管生成肽的有效方法。
　　(2)蛋白質(zhì)類別預(yù)測(cè)中的多分類問(wèn)題
　　不同類型J蛋白在疾病發(fā)展中發(fā)揮著不同功能。準(zhǔn)確地識(shí)別J蛋白的類型將、為闡明不同類型J蛋白在相關(guān)生物學(xué)過(guò)程中的功能提供線索，并有助于理解疾病的發(fā)作機(jī)制。現(xiàn)有方法采用的特征編碼方式單一，尚未解決類不平衡問(wèn)題。基

7、于欠采樣方法，借鑒集成學(xué)習(xí)思想，構(gòu)建了J蛋白類型預(yù)測(cè)模型。該預(yù)測(cè)模型有效地解決了類不平衡問(wèn)題。與現(xiàn)有方法相比，該集成分類器模型的敏感性和特異性更均衡。
　　在生物體內(nèi)，不同離子通道的芋螺毒素所發(fā)揮的生理功能和對(duì)疾病的治療潛力有較大差異。準(zhǔn)確地預(yù)測(cè)芋螺毒素離子通道類型有助于破譯芋螺毒素的生理機(jī)制和藥理學(xué)特性?，F(xiàn)有方法從蛋白質(zhì)序列中只提取了氨基酸的組成信息，并未解決類不平衡問(wèn)題。通過(guò)提取蛋白質(zhì)序列中的氨基酸組成、分布、順序、理化屬性和

8、二級(jí)結(jié)構(gòu)信息，利用少數(shù)類過(guò)采樣算法增加少數(shù)類樣本的數(shù)目，建立了新的芋螺毒素離子通道類型預(yù)測(cè)模型。在獨(dú)立測(cè)試集上，該預(yù)測(cè)模型對(duì)不同類型芋螺毒素的預(yù)測(cè)精度都高于現(xiàn)有方法，驗(yàn)證了其強(qiáng)大預(yù)測(cè)能力。
　　(3)蛋白質(zhì)-配體相互作用預(yù)測(cè)
　　蛋白質(zhì)-適配體相互作用在生物體內(nèi)發(fā)揮著各種生理功能，并具有潛在的疾病治療價(jià)值?？焖儆行У仡A(yù)測(cè)蛋白質(zhì)-適配體相互作用有助于深刻理解蛋白質(zhì)-適配體相互作用的作用機(jī)制和開發(fā)基于適配體的療法?，F(xiàn)有方法采用單