基于智能計算的蛋白質(zhì)功能預測研究.pdf

1、蛋白質(zhì)是生命體賴以生存的營養(yǎng)要素，是細胞組織的重要組成部分。幾乎所有的生物過程都與蛋白質(zhì)發(fā)生某種聯(lián)系。根據(jù)蛋白質(zhì)序列的排列順序和序列信息確定蛋白質(zhì)的功能成為生物學研究重點。目前蛋白質(zhì)序列數(shù)量的激增，急需要開發(fā)快速、準確地計算工具預測蛋白質(zhì)的功能。研究蛋白質(zhì)序列信息與其功能的關系也是這個領域的研究重點。本論文圍繞蛋白質(zhì)功能預測的幾個重要方面：蛋白質(zhì)亞細胞位點預測，蛋白質(zhì)結構類預測和單序列蛋白質(zhì)二級結構預測和蛋白質(zhì)序列內(nèi)功能Motif發(fā)現(xiàn)展

2、開研究，目的是開發(fā)一些根據(jù)序列信息預測蛋白質(zhì)功能的方法。論文的主要研究成果如下：
　　 在蛋白質(zhì)亞細胞位點預測研究中，根據(jù)Chou提出的偽氨基酸組成離散模型，提出一種改進的偽氨基酸組成模型。使用免疫遺傳算法優(yōu)化附加特征向量的權重。在改進的偽氨基酸組成模型框架中，使用數(shù)字信號處理技術和疏水氨基酸對模式表示序列的附加特征，應用擴大的協(xié)方差作為預測工具，預測了真核細胞12類亞細胞位點。然后提出了一種基于特征選擇的集成分類器的預測方法，

3、用于凋謝蛋白的亞細胞位點預測。使用具有不同間隔的氨基酸對組成表示序列特征，經(jīng)過特征選擇后形成更加有效的特征組合。集成分類器中的基本分類器為模糊K-近鄰(FKNN)分類算法，Jackknife測試和獨立數(shù)據(jù)集測試證明了該方法的有效性和實用性。
　　 在蛋白質(zhì)結構類預測研究中，提出了三種結構類預測的方法。第一種是基于二叉樹支持向量機的方法，發(fā)展了一種新的偽氨基酸組成表示序列的特征。結合了傳統(tǒng)的氨基酸組成，序列內(nèi)氨基酸相互關系和疏水模

4、式，使用二叉樹支持向量機作為預測工具，采用標準數(shù)據(jù)集驗證了方法的性能；第二種方法是基于改進的偽氨基酸組成模型的結構類預測方法。將蛋白質(zhì)序列映射為短的時間序列，計算序列的近似熵，構造了一種27-D的偽氨基酸組成表示序列特征。FKNN分類算法作為預測工具，免疫遺傳算法優(yōu)化附加特征權重系數(shù)。在“嚴格”數(shù)據(jù)集測試中取得了較好的結果；第三種方法是兩層模糊支持向量機網(wǎng)絡的方法，在第一層中，基本的分類器是模糊支持向量機，輸入數(shù)據(jù)是基于不同物理化學屬性

5、的偽氨基酸組成。組合第一層中各個模糊支持向量機的輸出數(shù)據(jù)，作為第二層模糊支持向量機分類器的輸入數(shù)據(jù)，經(jīng)過決策后得到最終結果。
　　 在蛋白質(zhì)二級結構預測研究中，提出了基于最大熵概率模型的預測方法?？紤]了蛋白質(zhì)序列的結構類信息和目標殘基的上下文環(huán)境，設計了影響殘基二級結構的特征空間和特征模版。將這些特征都包含進入最大熵概率分布模型中，根據(jù)結構類不同分別訓練和建立二級結構預測模型。算法中二級結構的特征信息僅來自于序列本身，沒有考慮多

6、序列排列信息。目的是解決“孤立”蛋白的二級結構預測問題。實驗證明預測算法具有較高的準確率和實用性。
　　 由于細胞核內(nèi)空間狹窄和蛋白質(zhì)的不穩(wěn)定性，核內(nèi)亞空間的蛋白質(zhì)位點預測成為難點。本論文提出了基于近似熵的偽氨基酸組成方法，采用集成AdaBoost分類器作為預測工具，用于蛋白質(zhì)亞核位點的預測。在兩個標準數(shù)據(jù)集上的測試表明了該方法的有效性。
　　 蛋白質(zhì)家族內(nèi)序列具有相似的功能，序列內(nèi)的重點區(qū)域Motif也應該具有相似性。