基于圖形表示及氨基酸順序的蛋白質(zhì)進(jìn)化分析.pdf

1、生命體的核酸和蛋白質(zhì)序列在進(jìn)化過(guò)程中具有相對(duì)的穩(wěn)定性，同時(shí)包含著海量信息。對(duì)生命體進(jìn)行研究，歸根結(jié)底是對(duì)核酸、蛋白質(zhì)等生物大分子進(jìn)行研究。對(duì)生物序列的研究分析，有助于研究生物序列之間的關(guān)系，解讀生物遺傳信息，從而能夠?yàn)槿祟愔斡黝惣膊?、提前預(yù)防疾病提供可能。決定生命體結(jié)構(gòu)和功能的是蛋白質(zhì)，隨著大量蛋白質(zhì)數(shù)據(jù)集的產(chǎn)生，以及各類計(jì)算機(jī)軟件的不斷完善與發(fā)展，對(duì)蛋白質(zhì)序列的研究進(jìn)入了快車道。因此本文利用蛋白質(zhì)的序列進(jìn)行進(jìn)化分析。
　　本文

2、的成果和創(chuàng)新之處在于以下幾個(gè)方面:
　　第一，坐標(biāo)表示。采用分類和依據(jù)原始數(shù)據(jù)兩種表示形式，考慮了對(duì)氨基酸性質(zhì)有影響的多種重要理化性質(zhì)，全面刻畫氨基酸。對(duì)于橫坐標(biāo)，采用定性描述的方式，選取極性和親水性兩種性質(zhì)，按照影響因子大小賦予權(quán)重，作為分類依據(jù)，并對(duì)每一類進(jìn)行自定義賦值?？v坐標(biāo)依據(jù)等電位點(diǎn)值PI進(jìn)行定量描述。本文的圖形表示是在考慮理化性質(zhì)的基礎(chǔ)上，采用定性與定量相結(jié)合的方法定義氨基酸坐標(biāo)，這樣既考慮了相似氨基酸的共性，又考慮了

3、每個(gè)氨基酸的個(gè)性。
　　第二，在對(duì)蛋白質(zhì)圖形表示時(shí)，充分考慮氨基酸所在位置信息。在得到蛋白質(zhì)序列橫縱坐標(biāo)后，運(yùn)用本文定義的相鄰距離向量提取圖形特征。同時(shí)針對(duì)蛋白質(zhì)序列不等長(zhǎng)的問(wèn)題，進(jìn)行等長(zhǎng)處理。為了考慮相鄰位置不同氨基酸順序之間的相互影響，本文在對(duì)氨基酸分成5類的基礎(chǔ)上，定義三聯(lián)體的相對(duì)概率，得到第三條特征向量。
　　第三，對(duì)本文方法進(jìn)行了推廣。為了使本文方法對(duì)于序列長(zhǎng)度較短的數(shù)據(jù)集仍具有適用性，避免出現(xiàn)部分三聯(lián)體或二聯(lián)體數(shù)

4、目為零的情況，我們采用25個(gè)二聯(lián)體相對(duì)概率作為其特征向量，取得了很好的分類效果。
　　在本文中，我們?cè)趫D形表示時(shí)綜合考慮了氨基酸部分重要的理化性質(zhì)、氨基酸的位置信息、相鄰氨基酸的相互影響。在描述圖形特征的時(shí)候引入相鄰距離向量的概念，并提出了對(duì)序列等長(zhǎng)處理的方法。得到能夠準(zhǔn)確表示蛋白質(zhì)序列信息的特征向量。通過(guò)利用相應(yīng)的距離公式，進(jìn)行進(jìn)化分析。本文在ND5、24條轉(zhuǎn)鐵蛋白數(shù)據(jù)集中進(jìn)行驗(yàn)證，發(fā)現(xiàn)利用本文的圖形表示和考慮氨基酸順序的思路能