基于絲-蘇氨酸位點-修飾網(wǎng)絡的蛋白質翻譯后修飾預測研究.pdf

1、蛋白質翻譯后修飾在蛋白質-蛋白質相互作用與細胞過程等多種生物學行為中起重要調節(jié)作用，此外，翻譯后修飾與許多疾病如癌癥、糖尿病等相關，因此翻譯后修飾位點預測對于了解生命過程與疾病的預防治療等有重大意義。
　　絲氨酸和蘇氨酸上的翻譯后修飾類型主要包括磷酸化、O-糖基化與乙酰化。實驗技術的不斷發(fā)展，積累了大量的翻譯后修飾位點數(shù)據(jù)。由于實驗方法成本高，且受環(huán)境條件限制，因此促進了計算方法的不斷發(fā)展。目前已有的計算方法大部分通過蛋白質的局部

2、序列信息進行模型訓練，且只能對一種翻譯后修飾進行預測?，F(xiàn)研究表明in situ PTM可以反映不同翻譯后修飾間潛在功能聯(lián)系，因此如將其應用于翻譯后修飾預測研究，可有效提升翻譯后修飾位點預測能力。本文提出了表征in situ PTM信息的位點-修飾網(wǎng)絡(site-modification network，SMNet)，之后利用SMNet網(wǎng)絡特征進行絲氨酸和蘇氨酸上翻譯后修飾位點預測。具體研究內容如下:
　　首先，本文從多種翻譯后修飾

3、數(shù)據(jù)庫中收集人類翻譯后修飾數(shù)據(jù)，從中提取in situ PTM信息，并利用該信息構建SMNet網(wǎng)絡。之后將SMNet網(wǎng)絡特征與蛋白質序列特征整合成特征集，并利用支持向量機(Support Vector Mechine，SVM)進行翻譯后修飾位點預測，該過程被稱為SMNet-SVM方法。SMNet-SVM可進行不同類型的翻譯后修飾位點預測。本文利用10折交叉驗證對SMNet-SVM方法性能進行評估，結果分析表明，SMNet網(wǎng)絡特征在翻譯后

4、修飾位點預測中發(fā)揮重要作用，明顯地提高了預測性能。此外，與其他翻譯后修飾預測方法的結果比較顯示，SMNet-SVM方法的預測性能明顯優(yōu)于其他方法。最后對預測結果進行文獻的驗證，顯示SMNet-SVM方法能夠有效的預測出潛在的翻譯后修飾位點。
　　為進一步提高預測性能，在SMNet網(wǎng)絡信息的基礎上，本文引入了從AmiGO與STRING數(shù)據(jù)庫中提取蛋白質功能信息基因本體論與蛋白質-蛋白質相互作用。之后，將這些數(shù)據(jù)進行整合與構建，并與多