基于序列多位點(diǎn)特征挖掘的固有無序蛋白預(yù)測.pdf

1、固有無序蛋白是普遍存在的一類天然蛋白，通常缺乏穩(wěn)定空間結(jié)構(gòu)，且與人類重大疾病密切相關(guān)，是目前蛋白質(zhì)科學(xué)研究的熱點(diǎn)之一。由于沒有穩(wěn)定三維結(jié)構(gòu)，用實(shí)驗(yàn)方法測定固有無序蛋白質(zhì)比較困難，因此通過計(jì)算手段基于序列特征分析及預(yù)測固有無序蛋白是重要的有效途徑。本文對固有無序蛋白的研究主要包括以下兩部分：一是對固有無序蛋白有序區(qū)和無序區(qū)的序列差異特征進(jìn)行深入挖掘，探索能夠有效區(qū)分兩種區(qū)域的序列特征參數(shù)；二是在序列分析基礎(chǔ)上，進(jìn)一步融入序列多位點(diǎn)特征發(fā)展

2、對固有無序蛋白有序區(qū)/無序區(qū)的分類預(yù)測算法，為今后固有無序蛋白預(yù)測提供新方法。
　　1.固有無序蛋白序列信息挖掘
　　本文基于固有無序蛋白數(shù)據(jù)庫Disprot，建立了由序列長度大于30個(gè)氨基酸的749條有序區(qū)序列和387條無序區(qū)序列組成的數(shù)據(jù)集。對有序區(qū)和無序區(qū)的序列復(fù)雜度分析表明，有序區(qū)序列復(fù)雜度普遍高于無序區(qū)，表明無序區(qū)具有更明顯的氨基酸使用偏好特征，進(jìn)一步分析表明兩者的復(fù)雜度差異與序列長度無關(guān)。為了揭示有序區(qū)和無序區(qū)的

3、氨基酸偏好，基于本文構(gòu)建數(shù)據(jù)集進(jìn)行了系統(tǒng)的序列分析，結(jié)果發(fā)現(xiàn)無序區(qū)偏好使用 A、D、E、G、K、P、Q、S、T，有序區(qū)偏好使用C、F、H、I、L、M、N、R、V、W、Y，兩者具有不同的序列特征。為了進(jìn)一步說明有序區(qū)和無序區(qū)中氨基酸的分布差別和兩者間二聯(lián)體氨基酸的使用偏好，本文將氨基酸分類和CGR(Chaos Game Representation）分析方法結(jié)合，對有序區(qū)和無序區(qū)的序列差異特征進(jìn)行了深入分析，研究結(jié)果表明，固有無序蛋白的無

4、序區(qū)和有序區(qū)之間具有明顯的序列差異，CGR可視化分析指出，無序區(qū)和有序區(qū)的CGR點(diǎn)狀圖密集程度具有差異，無序區(qū)含有較多的由重復(fù)殘基組成的序列。以上研究結(jié)果為固有無序蛋白預(yù)測奠定堅(jiān)實(shí)理論基礎(chǔ)。
　　2.基于序列特征的固有無序蛋白有序區(qū)/無序區(qū)分類方法
　　基于固有無序蛋白有序區(qū)和無序區(qū)的序列差異特征，分別應(yīng)用序列復(fù)雜度、20種氨基酸的頻率、400種二聯(lián)體氨基酸的頻率作為分類算法的輸入特征參數(shù)，同時(shí)首次引入偽氨基酸組成（PseA

5、AC）作為描述多位點(diǎn)特征的輸入?yún)?shù)，并結(jié)合支持向量機(jī)（SVM）發(fā)展了有序區(qū)/無序區(qū)的分類預(yù)測算法。研究結(jié)果表明，使用PseAAC參數(shù)可以更有效的提取固有無序蛋白無序區(qū)和有序區(qū)的信息，以該參數(shù)作為主要分類參數(shù)，結(jié)合SVM算法進(jìn)行分類預(yù)測，結(jié)果顯示使用Pse AAC進(jìn)行分類預(yù)測時(shí)效果最好，ACC為79.22％，Sn為89.31%，Sp為59.70%，MCC為0.5211，AUC為0.8467。此外，我們通過對分類參數(shù)的縮放發(fā)現(xiàn)還可以提高分類