蛋白質(zhì)結(jié)構(gòu)預(yù)測新方法的研究.pdf

1、信息化是現(xiàn)代科學(xué)技術(shù)發(fā)展的重要趨勢之一，用化學(xué)計量學(xué)方法處理化學(xué)信號，已成為現(xiàn)代分析化學(xué)的一個重要的研究領(lǐng)域。人類基因組計劃的實施推動了一門新興學(xué)科——生物信息學(xué)的誕生，蛋白質(zhì)結(jié)構(gòu)和功能預(yù)測是后基因組時代生物信息學(xué)的重要研究內(nèi)容，將化學(xué)計量學(xué)手段應(yīng)用于生物信息學(xué)研究，已成為分析化學(xué)工作者面臨的一個挑戰(zhàn)性的新課題。本文致力于研究化學(xué)計量學(xué)中支持向量機、遺傳算法、蟻群算法、小波變換等熱門方法在化學(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)二級結(jié)構(gòu)含量預(yù)測、結(jié)構(gòu)類預(yù)測、家族模體預(yù)測、化學(xué)信號去噪等幾個方面，其主要內(nèi)容如下： (1)結(jié)合氨基酸對耦合組成和支持向量機，提出了預(yù)測蛋白質(zhì)二級結(jié)構(gòu)含量的新方法。與傳統(tǒng)的氨基酸組成相比，氨基酸對耦合組成加入了一定量的氨基酸殘基的排列信息，定義簡單和計算方便；同時，支持向量機具有可調(diào)參數(shù)少、收斂速度快的特點。對三個相互獨立的非同源蛋白質(zhì)數(shù)據(jù)集進行了自檢驗和交叉驗證，預(yù)測結(jié)果明顯優(yōu)于文獻值。因此，本文提

3、出的預(yù)測算法不僅易于實現(xiàn)，而且可以提高蛋白質(zhì)二級結(jié)構(gòu)含量的預(yù)測精度。 (2)提出了預(yù)測蛋白質(zhì)結(jié)構(gòu)類的新方法。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，對蛋白質(zhì)的結(jié)構(gòu)類進行了預(yù)測。對文獻中常用的一個非同源蛋白質(zhì)的數(shù)據(jù)集進行了自檢驗和留一法檢驗，預(yù)測結(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的雙層融合網(wǎng)絡(luò)。網(wǎng)絡(luò)的第一層包含三個單一的分類器，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、氨基酸對耦合組成和偽氨基酸組成。 它們的計算輸出經(jīng)過合并，輸入到網(wǎng)絡(luò)的第二層支持向量機，由其得出最終的分類結(jié)果。對Zhou選取的兩個非同源蛋白質(zhì)(域)的數(shù)據(jù)集進行了預(yù)測，結(jié)果表明預(yù)測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)值實驗結(jié)果表明，該算法可以較好地處理連續(xù)空間的優(yōu)化問題。進一步應(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、變換法對蛋白質(zhì)的二級結(jié)構(gòu)連接多肽、α螺旋進行預(yù)測時最優(yōu)分解尺度的選擇問題，在蛋白質(zhì)結(jié)構(gòu)預(yù)測中具有廣闊的發(fā)展前景。 (4)通過結(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)化問題。該算法通過分解原來問題的解空間，在每個子空間里用單個獨立的快速退火演化算法搜索最優(yōu)子解，因此求解問題的速度得到明顯提高。進一步用該算法提取EGF蛋白質(zhì)家族的模體，所提取的模體與蛋白質(zhì)功能位點數(shù)據(jù)庫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)來評判信號曲線的濾波情況。隨著小波包分解尺度的增大，濾波后信號曲線的盒維數(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)一分解尺度曲線來選擇最佳分解尺度。對仿真含噪信號進行了濾波實驗，結(jié)果表明：即使在信噪比低至0.5時仍能得到較好的結(jié)果，并且該法用于毛細管電泳實驗數(shù)據(jù)的處理結(jié)果同樣令人滿意。 以上化學(xué)生物信號處理技術(shù)都已編寫了完整的處理程序，可以極為方便