蛋白質(zhì)結(jié)構(gòu)預(yù)測中若干問題的研究.pdf

1、作為遺傳信息的表現(xiàn)者,蛋白質(zhì)是細(xì)胞中最豐富、功能最多的生物大分子。研究發(fā)現(xiàn)蛋白質(zhì)功能與蛋白質(zhì)的空間結(jié)構(gòu)有著緊密聯(lián)系,具有相似功能的蛋白質(zhì)其結(jié)構(gòu)往往比較相似。隨著高通量測序技術(shù)的不斷發(fā)展,蛋白質(zhì)序列的數(shù)目在呈指數(shù)形式增加,使用實驗方法去獲取蛋白質(zhì)的結(jié)構(gòu)已經(jīng)遠(yuǎn)不能滿足需要。因而,利用計算方法來進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測已成為生物信息學(xué)研究中的一大熱點。
　　本文主要研究了蛋白質(zhì)結(jié)構(gòu)預(yù)測中兩個重要的問題:基于關(guān)聯(lián)圖的蛋白質(zhì)結(jié)構(gòu)重建和二硫鍵連接模

2、式預(yù)測。
　　提出了基于2D關(guān)聯(lián)圖的蛋白質(zhì)3D重建算法Glocal。Glocal算法中使用粒子群算法去優(yōu)化全局能量函數(shù),利用模擬退火算法去優(yōu)化局部能量函數(shù)。通過引入粒子群算法,避免了的之前重建算法中廣泛存在的關(guān)于初始結(jié)構(gòu)選擇這一難題。通過設(shè)計全局函數(shù),從整個關(guān)聯(lián)圖的角度去優(yōu)化蛋白質(zhì)的初始結(jié)構(gòu),可以有效的減少陷入局部最優(yōu),提高了預(yù)測精度。大量實驗證明,Glocal算法有效的從天然關(guān)聯(lián)圖中恢復(fù)的蛋白質(zhì)3D結(jié)構(gòu),重建蛋白質(zhì)結(jié)構(gòu)的平均RM

3、SD值小于2?。同時,Glocal算法在處理含有錯誤連接的關(guān)聯(lián)圖顯示了良好的健壯性。實驗中,進(jìn)一步分析關(guān)聯(lián)圖中長連接和閾值對蛋白質(zhì)重建結(jié)果的影響。
　　提出了融合了傳統(tǒng)機器學(xué)習(xí)模型和突變關(guān)聯(lián)預(yù)測模型的二硫鍵連接模式預(yù)測模型。在傳統(tǒng)機器學(xué)習(xí)模型部分中,引入了結(jié)構(gòu)域特征,采用并聯(lián)方式融合兩個半胱氨酸的特征并進(jìn)一步采用廣義主成分分析(GPCA)降維。通過大量的實驗論證了這些改進(jìn)可以有效的提高預(yù)測模型的預(yù)測精度。二硫鍵作為蛋白質(zhì)中一種重要