基于氨基酸序列的蛋白質結構功能預測方法研究.pdf

1、近年來,高通量技術的應用帶來了蛋白質數(shù)據(jù)成指數(shù)的增長。在這些海量多樣的蛋白質數(shù)據(jù)中,蘊藏著大量有創(chuàng)新性的生物新規(guī)律和新概念。隨著人類基因組計劃(HGP)的順利完成,研究這些成指數(shù)增長且高噪聲的海量蛋白質數(shù)據(jù)需要高速、準確、可拓展的理論及其算法。因此,推動了一門新興學科一生物信息學的誕生和發(fā)展,蛋白質結構和功能的研究是生物信息學領域的前沿課題,也是后基因組時代的核心問題之一。本文基于蛋白質結構和功能的預測研究現(xiàn)狀,采用支持向量機等多種分類

2、器,并結合不同的特征提取算法,對蛋白質結構和功能進行分類預測研究,主要工作概括如下:
　　 (1)提出了預測蛋白質同源寡聚體的新模型一小波支持向量機模型。本文通過離散小波變換有效地提取了蛋白質序列的特征信息,并采用了不同分類算法對同源寡聚體類型進行分類預測。通過留一法檢驗表明,小波支持向量機模型能更好地分類預測同源寡聚體的類型,同時預測結果比文獻報道的結果有明顯地提高；在此基礎上,進一步深入研究了數(shù)據(jù)集的大小對預測準確率的影響。

3、結果表明在數(shù)據(jù)集平衡的情況下,隨著數(shù)據(jù)集的減小,jackknife運算機制受到影響,而導致預測準確率降低,這與文獻報道一致。
　　 (2)建立了同源寡聚體和異源寡聚體的分類預測新模型。該模型將離散小波和氨基酸的物理化學性質相結合,利用離散小波變換近似系數(shù)和細節(jié)系數(shù),將同源寡聚體和異源寡聚體的序列分解為多層次的小波系數(shù),即將一維序列分解為同時具有時.頻特性的二維序列,并從其中提取有效的特征向量信息。最后通過不同的分類算法對蛋白質序

4、列進行分類預測研究。同時對Chou構建的高序列一致性蛋白質數(shù)據(jù)庫和Xiao構建的低序列一致性蛋白質數(shù)據(jù)庫進行了分類預測研究,發(fā)現(xiàn)該模型不僅能夠提高預測準確率,而且能有效地克服低序列一致性數(shù)據(jù)庫預測準確率較低的問題。
　　 (3)建立了蛋白質四級結構及亞結構的預測新模型。從氨基酸的疏水性和極性出發(fā),基于離散小波變換和決策樹算法,構建了預測蛋白質四級結構及亞結構的新模型DWT DT。本文重點研究了氨基酸疏水性和極性對預測結果的影響,

5、經(jīng)分析表明疏水性對蛋白質結構的預測準確率有重要的影響。同時,深入挖掘算法產(chǎn)生過擬合的原因,并通過ROC曲線和PR曲線的評價,闡明了我們所構建的模型能夠有效克服過擬合?；谏鲜鲅芯拷Y果,我們構建了網(wǎng)絡在線預測平臺,通過Internet向所有使用者提供開放式服務。
　　 (4)建立了蛋白質棕櫚化修飾位點的預測新模型—WSM-Plam模型。該模型融合權重氨基酸成分、自相關函數(shù)和溶劑可及表面面積等多種特征提取方法表達棕櫚化位點樣本特征向

6、量信息,并通過不同的分類算法對其進行分類預測。實驗結果表明,融合的特征提取方法比單一的方法能夠包含更多的有效特征向量,從而更準確的對位點進行識別分類。此外,該模型計算簡單、分類精度高,且具有較強的自適應、泛化和推廣應用能力。最后,我們構建了棕櫚化位點的在線預測平臺(http:／／bioinfo.ncu.edu.cn／services-ptm.aspx)。
　　 上述各種算法都已編寫了處理程序并實現(xiàn)網(wǎng)絡在線預測,可以極為方便地使用