基于計(jì)算智能的蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè).pdf

1、蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)是由氨基酸序列預(yù)測(cè)蛋白質(zhì)三級(jí)結(jié)構(gòu)的過程。蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的基本假設(shè)是蛋白質(zhì)三級(jí)結(jié)構(gòu)由其氨基酸序列唯一決定。研究蛋白質(zhì)的結(jié)構(gòu)意義重大，不但有助于了解蛋白質(zhì)的作用，了解蛋白質(zhì)如何行使其生物功能，認(rèn)識(shí)蛋白質(zhì)與蛋白質(zhì)之間的相互作用，而且對(duì)生物學(xué)、醫(yī)學(xué)和藥學(xué)都有非常重要的作用。歷時(shí)十年的人類基因組計(jì)劃產(chǎn)生了海量的生物序列數(shù)據(jù)，蛋白質(zhì)序列數(shù)據(jù)與結(jié)構(gòu)數(shù)據(jù)數(shù)量之間的差距越來越大，所以蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)變得日益緊迫和重要。
　　 本文

2、所要研究的是如何構(gòu)建一個(gè)蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)模型，使之能夠更加準(zhǔn)確有效的預(yù)測(cè)氨基酸對(duì)應(yīng)的蛋白質(zhì)三級(jí)結(jié)構(gòu)。內(nèi)容包括氨基酸序列的特征提取方式，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)及智能優(yōu)化算法的選擇。
　　 一、氨基酸序列特征提取。要對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測(cè)，首先必須把氨基酸序列中的信息提取出來，轉(zhuǎn)換成計(jì)算機(jī)可以處理的數(shù)據(jù)，即進(jìn)行特征提取。選擇何種提取方式非常關(guān)鍵，不同的特征提取出的信息大不相同，現(xiàn)在的方法主要有氨基酸組成模型（AA）、二肽組成模型、多肽組成

3、模型、偽氨基酸組成（PseAA）、多特征融合、基于氨基酸物理化學(xué)性質(zhì)等，從不同角度對(duì)氨基酸特征進(jìn)行提取。本文采用了以上各種特征提取方式并進(jìn)行了特征融合。實(shí)驗(yàn)表明，不同的特征提取方式對(duì)于不同的數(shù)據(jù)集和分類模型效果不同。
　　 二、分類模型的建立。蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)實(shí)際上是根據(jù)提取出的有用信息，通過學(xué)習(xí)分析這些信息，總結(jié)出規(guī)律，實(shí)現(xiàn)對(duì)未知結(jié)構(gòu)氨基酸序列的結(jié)構(gòu)預(yù)測(cè)。對(duì)于蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)這種信息維數(shù)高，計(jì)算量大的問題，借助神經(jīng)網(wǎng)絡(luò)是非

4、常有效地。神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自組織、自學(xué)習(xí)、自適應(yīng)能力，能夠快速學(xué)習(xí)到序列中包含的特征，實(shí)現(xiàn)對(duì)結(jié)構(gòu)的預(yù)測(cè)。而對(duì)于網(wǎng)絡(luò)，包括結(jié)構(gòu)的優(yōu)化和參數(shù)的優(yōu)化兩部分。選擇何種優(yōu)化算法是至關(guān)重要的，不同的算法會(huì)產(chǎn)生不同的時(shí)間效率，不同的算法對(duì)應(yīng)不同的預(yù)測(cè)正確率。本文中將對(duì)各種不同的優(yōu)化算法進(jìn)行比較，選擇出更適合的優(yōu)化算法。實(shí)驗(yàn)表明，參數(shù)優(yōu)化采用粒子群優(yōu)化算法(PSO)能取得較好的效果。BP神經(jīng)網(wǎng)絡(luò)在蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)中能大大提高預(yù)測(cè)準(zhǔn)確率。針對(duì)蛋白質(zhì)三

5、級(jí)結(jié)構(gòu)預(yù)測(cè)這種多分類問題，本文提出將多類問題轉(zhuǎn)換成多個(gè)二分類問題的集成。通過試驗(yàn)表明，單輸出方式比多輸出方式能有效的提高預(yù)測(cè)的正確率。為了尋找一種更優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)，本文首次將靈活神經(jīng)樹( FNT)應(yīng)用在蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)中，PSO對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，概率增強(qiáng)式程序進(jìn)化( PIPE)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化。實(shí)驗(yàn)表明，這種模型在預(yù)測(cè)25PDB這樣較大的蛋白質(zhì)數(shù)據(jù)集中，效果理想。它不但解決了以前預(yù)測(cè)時(shí)只能提前固定網(wǎng)絡(luò)結(jié)構(gòu)和采用試探法選擇隱層個(gè)數(shù)的問