蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)新方法的研究.pdf

1、信息化是現(xiàn)代科學(xué)技術(shù)發(fā)展的重要趨勢(shì)之一，用化學(xué)計(jì)量學(xué)方法處理化學(xué)信號(hào)，已成為現(xiàn)代分析化學(xué)的一個(gè)重要的研究領(lǐng)域。人類(lèi)基因組計(jì)劃的實(shí)施推動(dòng)了一門(mén)新興學(xué)科——生物信息學(xué)的誕生，蛋白質(zhì)結(jié)構(gòu)和功能預(yù)測(cè)是后基因組時(shí)代生物信息學(xué)的重要研究?jī)?nèi)容，將化學(xué)計(jì)量學(xué)手段應(yīng)用于生物信息學(xué)研究，已成為分析化學(xué)工作者面臨的一個(gè)挑戰(zhàn)性的新課題。本文致力于研究化學(xué)計(jì)量學(xué)中支持向量機(jī)、遺傳算法、蟻群算法、小波變換等熱門(mén)方法在化學(xué)生物信息處理中的應(yīng)用，建立了一系列的化學(xué)生物

2、信息處理新技術(shù)，包括蛋白質(zhì)二級(jí)結(jié)構(gòu)含量預(yù)測(cè)、結(jié)構(gòu)類(lèi)預(yù)測(cè)、家族模體預(yù)測(cè)、化學(xué)信號(hào)去噪等幾個(gè)方面，其主要內(nèi)容如下： (1)結(jié)合氨基酸對(duì)耦合組成和支持向量機(jī)，提出了預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)含量的新方法。與傳統(tǒng)的氨基酸組成相比，氨基酸對(duì)耦合組成加入了一定量的氨基酸殘基的排列信息，定義簡(jiǎn)單和計(jì)算方便；同時(shí)，支持向量機(jī)具有可調(diào)參數(shù)少、收斂速度快的特點(diǎn)。對(duì)三個(gè)相互獨(dú)立的非同源蛋白質(zhì)數(shù)據(jù)集進(jìn)行了自檢驗(yàn)和交叉驗(yàn)證，預(yù)測(cè)結(jié)果明顯優(yōu)于文獻(xiàn)值。因此，本文提

3、出的預(yù)測(cè)算法不僅易于實(shí)現(xiàn)，而且可以提高蛋白質(zhì)二級(jí)結(jié)構(gòu)含量的預(yù)測(cè)精度。 (2)提出了預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)類(lèi)的新方法。本文定義了一種新穎的偽氨基酸組成，用于表征蛋白質(zhì)樣本，結(jié)合支持向量機(jī)，對(duì)蛋白質(zhì)的結(jié)構(gòu)類(lèi)進(jìn)行了預(yù)測(cè)。對(duì)文獻(xiàn)中常用的一個(gè)非同源蛋白質(zhì)的數(shù)據(jù)集進(jìn)行了自檢驗(yàn)和留一法檢驗(yàn)，預(yù)測(cè)結(jié)果得到了顯著改善。在此基礎(chǔ)上，本文還提出了基于支持向量機(jī)的雙層融合網(wǎng)絡(luò)。網(wǎng)絡(luò)的第一層包含三個(gè)單一的分類(lèi)器，分別由不同的特征參量洲練所得，即蛋白質(zhì)的傳統(tǒng)氨基

4、酸組成、氨基酸對(duì)耦合組成和偽氨基酸組成。 它們的計(jì)算輸出經(jīng)過(guò)合并，輸入到網(wǎng)絡(luò)的第二層支持向量機(jī)，由其得出最終的分類(lèi)結(jié)果。對(duì)Zhou選取的兩個(gè)非同源蛋白質(zhì)(域)的數(shù)據(jù)集進(jìn)行了預(yù)測(cè)，結(jié)果表明預(yù)測(cè)成功率有了顯著提高。 (3)將遺傳算法的種群思想移植到傳統(tǒng)的蟻群算法，提出了混合型的蟻群算法。數(shù)值實(shí)驗(yàn)結(jié)果表明，該算法可以較好地處理連續(xù)空間的優(yōu)化問(wèn)題。進(jìn)一步應(yīng)用該算法搜索蛋白質(zhì)小波功率譜中的最優(yōu)分解尺度，較成功地解決了連續(xù)小波

5、變換法對(duì)蛋白質(zhì)的二級(jí)結(jié)構(gòu)連接多肽、α螺旋進(jìn)行預(yù)測(cè)時(shí)最優(yōu)分解尺度的選擇問(wèn)題，在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中具有廣闊的發(fā)展前景。 (4)通過(guò)結(jié)合快速退火演化算法和協(xié)同方法，提出了協(xié)同快速退火演化算法，用于求解高維的全局優(yōu)化問(wèn)題。該算法通過(guò)分解原來(lái)問(wèn)題的解空間，在每個(gè)子空間里用單個(gè)獨(dú)立的快速退火演化算法搜索最優(yōu)子解，因此求解問(wèn)題的速度得到明顯提高。進(jìn)一步用該算法提取EGF蛋白質(zhì)家族的模體，所提取的模體與蛋白質(zhì)功能位點(diǎn)數(shù)據(jù)庫(kù)PROSITE中的結(jié)果

6、相吻合。 (5)將分形理論與小波包濾波相結(jié)合，提出用分形盒維數(shù)來(lái)評(píng)判信號(hào)曲線(xiàn)的濾波情況。隨著小波包分解尺度的增大，濾波后信號(hào)曲線(xiàn)的盒維數(shù)逐漸減小，并最后趨于穩(wěn)定值。因此，可以根據(jù)盒維數(shù)一分解尺度曲線(xiàn)來(lái)選擇最佳分解尺度。對(duì)仿真含噪信號(hào)進(jìn)行了濾波實(shí)驗(yàn)，結(jié)果表明：即使在信噪比低至0.5時(shí)仍能得到較好的結(jié)果，并且該法用于毛細(xì)管電泳實(shí)驗(yàn)數(shù)據(jù)的處理結(jié)果同樣令人滿(mǎn)意。 以上化學(xué)生物信號(hào)處理技術(shù)都已編寫(xiě)了完整的處理程序，可以極為方便