基于磷酸化網(wǎng)絡(luò)的鏈路預(yù)測研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、可逆蛋白質(zhì)磷酸化是一種重要的蛋白質(zhì)翻譯后修飾,它調(diào)節(jié)著許多生物細胞過程。因此,鑒定蛋白質(zhì)底物與蛋白質(zhì)激酶之間相互作用非常重要,它幫助我們理解調(diào)節(jié)過程和磷酸化機制。在本研究中,蛋白質(zhì)底物與蛋白質(zhì)激酶相互作用為磷酸化網(wǎng)絡(luò)中的鏈路,因此相互作用的預(yù)測也就是鏈路的預(yù)測。鑒定蛋白質(zhì)底物與蛋白質(zhì)激酶之間作用關(guān)系常用方法是通過生物學(xué)實驗,雖然其準確性高但效率低下,不能對大量的磷酸化數(shù)據(jù)進行快速有效鑒定。為了解決這一問題,機器學(xué)習(xí)方法被用來預(yù)測蛋白質(zhì)底

2、物與蛋白質(zhì)激酶之間的相互作用關(guān)系?;跈C器學(xué)習(xí)的方法用大量數(shù)據(jù)預(yù)測潛在的蛋白質(zhì)底物與蛋白質(zhì)激酶之間相互作用,然后通過實驗去驗證那些可能性較高的相互作用,從而可以減少鑒定的時間和提高工作效率。
  在本文中,已知的蛋白質(zhì)底物與蛋白質(zhì)激酶之間相互作用關(guān)系被用來構(gòu)建磷酸化網(wǎng)絡(luò),在此基礎(chǔ)上,蛋白質(zhì)底物序列信息和蛋白質(zhì)激酶序列信息也被加入進來,用于預(yù)測磷酸化網(wǎng)絡(luò)中潛在的蛋白質(zhì)底物與蛋白質(zhì)激酶相互作用鏈路。首先利用蛋白質(zhì)底物序列信息和磷酸化網(wǎng)

3、絡(luò)信息計算蛋白底物的相似性矩陣,然后把該相似性矩陣作為評價蛋白質(zhì)底物與蛋白質(zhì)激酶之間關(guān)系的特征,并把特征數(shù)據(jù)作為支持向量機的輸入數(shù)據(jù)。這一過程被稱為SVM-Net,該算法可用于預(yù)測磷酸化網(wǎng)絡(luò)中蛋白底物與蛋白質(zhì)激酶之間相互作用鏈路。
  除了SVM-Net算法,我們還設(shè)計了一種網(wǎng)絡(luò)算法LapRLS-AWN,它是在拉普拉斯最小二乘法算法上發(fā)展而來。LapRLS-AWN算法通過蛋白質(zhì)底物序列信息、蛋白質(zhì)激酶信息和磷酸化網(wǎng)絡(luò)信息預(yù)測磷酸化

4、網(wǎng)絡(luò)中蛋白質(zhì)底物與蛋白質(zhì)激酶相互作用鏈路,并通過AWN方法解決磷酸化網(wǎng)絡(luò)中孤立蛋白質(zhì)底物節(jié)點問題。
  在本文蛋白質(zhì)底物與蛋白質(zhì)激酶之間的鏈路預(yù)測性能分析中,我們首先把不同的信息作為算法的輸入數(shù)據(jù),并比較它們對預(yù)測性能的影響。結(jié)果顯示蛋白質(zhì)底物與蛋白質(zhì)激酶間相互作用的磷酸化網(wǎng)絡(luò)信息和蛋白質(zhì)激酶序列信息對預(yù)測性能的提升有很大作用。其次,比較了SVM-Net和LapRLS-AWN與現(xiàn)有的BDT、SVM的預(yù)測性能,結(jié)果顯示其性能明顯優(yōu)于

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論