基于支持向量機的蛋白質(zhì)功能預(yù)測新方法研究.pdf

1、隨著人類進入后基因組時代,基因功能的注釋已成為科學(xué)研究的焦點問題。依據(jù)中心法則,記錄遺傳信息的基因必須翻譯成蛋白質(zhì)才能執(zhí)行其功能,因而蛋白質(zhì)功能的研究變得至關(guān)重要。雖然可以通過實驗方法確定蛋白質(zhì)的功能,但是實驗方法費時、費力且費用昂貴,無法滿足在全基因組范圍內(nèi)對蛋白質(zhì)功能進行注釋的需要。因此,發(fā)展可靠、經(jīng)濟和高通量的蛋白質(zhì)功能預(yù)測方法成為一項迫切任務(wù)。本文根據(jù)蛋白質(zhì)功能預(yù)測的研究現(xiàn)狀,基于機器學(xué)習(xí)方法支持向量機,從氨基酸序列出發(fā),設(shè)計了

2、一系列蛋白質(zhì)序列的特征表達(dá)新編碼方法,對蛋白質(zhì)的功能進行預(yù)測研究,主要工作概括如下:
　　 1.建立了線粒體和葉綠體亞結(jié)構(gòu)預(yù)測的新方法。從氨基酸的極性和疏水性出發(fā),基于離散小波變換特征提取方法,提出了一種新的偽氨基酸成分特征編碼方法,成功應(yīng)用于線粒體和葉綠體蛋白質(zhì)的區(qū)分。在此基礎(chǔ)上進一步預(yù)測了線粒體和葉綠體亞結(jié)構(gòu),各類亞結(jié)構(gòu)的預(yù)測準(zhǔn)確率比現(xiàn)有方法提高了3.7％～22.1%,尤其是線粒體外膜和葉綠體內(nèi)囊體腔的預(yù)測結(jié)果有極大改進。這

3、些結(jié)果表明離散小波變換不僅可以消除氨基酸序列中的噪聲成分干擾,而且可以有效地提取整條蛋白序列的次序信息。此外,對線粒體和葉綠體兩種蛋白質(zhì)物理化學(xué)性質(zhì)進行了討論,發(fā)現(xiàn)線粒體蛋白質(zhì)中極性特征更明顯,而葉綠體蛋白質(zhì)中疏水特征更顯著。
　　 2.構(gòu)建了蛋白質(zhì)精氨酸和賴氨酸甲基化修飾位點預(yù)測模型PMeS。提出了一種新的位置權(quán)重氨基酸成分去反映修飾位點附近殘基的位置信息,并將其與氨基酸屬性編碼和溶劑可及表面面積融合去捕獲甲基化位點的特征信息

4、。10-倍交叉驗證結(jié)果顯示,PMeS的特征編碼方法對甲基化狀態(tài)的識別十分有效。同時,對特征的選擇、窗口長度、正負(fù)樣本比例和模型的穩(wěn)定性進行了深入探討。不同交叉驗證和獨立測試的結(jié)果表明,PMeS模型穩(wěn)定可靠且明顯優(yōu)于其它預(yù)測工具?；赑MeS模型,我們構(gòu)建了精氨酸和賴氨酸甲基化修飾位點的在線預(yù)測服務(wù)網(wǎng)站(http://bioinfo.ncu.edu.cn/inquiriesPMeS.aspx)。
　　 3.建立了同時預(yù)測完整蛋白上

5、賴氨酸殘基的甲基化和乙酰化修飾位點的新方法PLMLA。該方法通過屬性分組重量編碼、位置權(quán)重氨基酸成分和二級結(jié)構(gòu)分別提取修飾位點附近的物理化學(xué)屬性、序列信息和結(jié)構(gòu)特征。對甲基賴氨酸、乙酰賴氨酸和非甲基化與非乙?；嚢彼嵩跉埢奈恢锰禺悓傩?、物理化學(xué)性質(zhì)和二級結(jié)構(gòu)方面的特征差異進行了詳細(xì)分析?；诓煌?xùn)練特征的預(yù)測結(jié)果揭示,具有多特征融合的預(yù)測模型能充分利用不同特征之間的互補信息去改進模型的預(yù)測性能?；讵毩y試與其它方法進行了比較,PLM

6、LA對甲基賴氨酸的預(yù)測準(zhǔn)確率比BPB-PPMS和MASA的分別高30.3%和37.88%;對乙酰賴氨酸的預(yù)測準(zhǔn)確率比LysAcet和N-Ace的相應(yīng)結(jié)果分別高33.33%和36.11%。這充分表明PLMLA方法極大地改進了甲基賴氨酸和乙酰賴氨酸的預(yù)測研究現(xiàn)狀,是識別賴氨酸殘基甲基化和乙?；揎椀挠行Чぞ?。最后,我們構(gòu)建了基于氨基酸序列即可對完整蛋白質(zhì)序列上賴氨酸的甲基化和乙?；揎椢稽c同時進行預(yù)測分析的在線服務(wù)平臺(http://bio

7、info.ncu.edu.cn/inquiriesPLMLA.aspx)。
　　 4.開發(fā)了酪氨酸硝基化位點預(yù)測的新方法。采用氨基酸殘基信息熵和二肽關(guān)聯(lián)熵優(yōu)化窗口,結(jié)合氨基酸的物理化學(xué)性質(zhì)和結(jié)構(gòu)特征構(gòu)建了蛋白質(zhì)酪氨酸硝基化位點的預(yù)測模型。對信息熵優(yōu)化窗口和傳統(tǒng)連續(xù)窗口進行了初步探討,結(jié)果顯示信息熵窗口能夠有效捕獲酪氨酸硝基化肽段上的重要位點,克服短肽序列易丟失信息而單純增大肽段長度又會引入冗余信息的矛盾,并有效提高模型的預(yù)測性能