基于氨基酸序列信息的蛋白質(zhì)結(jié)構(gòu)與功能預(yù)測研究.pdf

1、隨著人類基因組計(jì)劃的順利完成，以及現(xiàn)代生物科學(xué)和技術(shù)的飛速發(fā)展，每天都有海量的蛋白質(zhì)序列數(shù)據(jù)不斷地涌現(xiàn)。如何揭示這些數(shù)據(jù)的內(nèi)涵，提取有用的化學(xué)與生物信息，已經(jīng)成為化學(xué)計(jì)量學(xué)和化學(xué)信息學(xué)的研究熱點(diǎn)。雖然可以通過實(shí)驗(yàn)的方法確定蛋白質(zhì)的結(jié)構(gòu)和功能，但是實(shí)驗(yàn)方法既費(fèi)時(shí)又費(fèi)力，并且已知序列與已知結(jié)構(gòu)和功能的蛋白質(zhì)數(shù)目之間的差距越來越大。因此，從蛋白質(zhì)序列出發(fā)，發(fā)展自動(dòng)、可靠的理論和計(jì)算方法預(yù)測蛋白質(zhì)的結(jié)構(gòu)和功能具有十分重要的理論和實(shí)際意義。

2、 本文立足于大量的生物信息數(shù)據(jù)，將化學(xué)計(jì)量學(xué)中的支持向量機(jī)、遺傳算法、小波變換以及主成分分析等方法應(yīng)用于化學(xué)生物信息的處理，提出了一系列的蛋白質(zhì)結(jié)構(gòu)和功能預(yù)測新方法，其主要內(nèi)容如下： 1.建立了基于遺傳算法與支持向量機(jī)耦合的蛋白質(zhì)結(jié)構(gòu)類預(yù)測方法?；谛畔⑷诤系乃枷?，利用改進(jìn)的遺傳算法同時(shí)優(yōu)化支持向量機(jī)的核參數(shù)和用來表征蛋白質(zhì)一級結(jié)構(gòu)的描述符子集。對包含204個(gè)非同源蛋白質(zhì)的C204標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行了預(yù)測，jackknife交叉驗(yàn)

3、證的總精度達(dá)到了99.5％，并且對于較難預(yù)測的α/β和α+β類蛋白質(zhì)預(yù)測精度分別達(dá)到了97.8％和100％，明顯優(yōu)于文獻(xiàn)報(bào)道值。結(jié)果表明：本文提出的方法能夠有效的提高蛋白質(zhì)結(jié)構(gòu)類的預(yù)測精度，并且有望用于蛋白質(zhì)其它屬性的預(yù)測。 2.提出了新的偽氨基酸組成表示方法?；谶B續(xù)小波變換的時(shí)域和頻域分析特性以及主成分分析的數(shù)據(jù)壓縮和特征提取性能，首先用氨基酸殘基的各種物理化學(xué)性質(zhì)參數(shù)將蛋白質(zhì)序列映射為數(shù)值序列，然后進(jìn)行連續(xù)小波變換，計(jì)算小

4、波功率譜，最后利用主成分分析技術(shù)對小波功率譜進(jìn)行數(shù)據(jù)壓縮，并與氨基酸組成相結(jié)合，構(gòu)成偽氨基酸組成表征蛋白質(zhì)一級結(jié)構(gòu)。將其與支持向量機(jī)結(jié)合，采用一對一的分類策略，對蛋白質(zhì)結(jié)構(gòu)類預(yù)測進(jìn)行了研究。對文獻(xiàn)報(bào)道的標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行了預(yù)測，jackknife交叉驗(yàn)證表明結(jié)果優(yōu)于大多數(shù)文獻(xiàn)報(bào)道值。結(jié)果表明：基于連續(xù)小波變換和主成分分析方法的偽氨基酸組成表征方法能夠有效的反映蛋白質(zhì)序列中的長程相互作用和氨基酸序列次序信息，從而提高預(yù)測精度。 3.建

5、立了G蛋白偶聯(lián)受體功能類預(yù)測新方法。基于各種蛋白質(zhì)一級結(jié)構(gòu)描述符和特征子集選擇方法，提出了雙層支持向量機(jī)方法，用于G蛋白偶聯(lián)受體功能類預(yù)測研究。預(yù)測系統(tǒng)的第一層主要預(yù)測一個(gè)給定的蛋白質(zhì)是否是G蛋白偶聯(lián)受體，如果是，則通過預(yù)測系統(tǒng)的第二層精確預(yù)測是哪一種功能類。對文獻(xiàn)報(bào)道的數(shù)據(jù)集進(jìn)行了jackknife交叉驗(yàn)證，每層的預(yù)測精度明顯高于文獻(xiàn)值。結(jié)果表明：最優(yōu)特征子集能夠獲取與G蛋白偶聯(lián)受體功能類最相關(guān)的描述符，從而提高G蛋白偶聯(lián)受體在超家族

6、和家族水平的預(yù)測精度。 4.建立了蛋白質(zhì)與蛋白質(zhì)相互作用預(yù)測新方法。首先，基于不同的負(fù)樣本產(chǎn)生策略，研究了氨基酸組成、二肽組成、各種自相關(guān)函數(shù)以及組成，轉(zhuǎn)變和分布等描述符對不同數(shù)據(jù)集的預(yù)測能力。然后，基于特征選擇方法，采用支持向量機(jī)預(yù)測蛋白質(zhì)與蛋白質(zhì)的相互作用。結(jié)果表明：各種描述符對于基于不同負(fù)樣本的數(shù)據(jù)集的預(yù)測能力各不相同，負(fù)樣本的參數(shù)策略是影響預(yù)測精度的重要因素，基于特征選擇技術(shù)的最優(yōu)描述符子集能夠明顯地提高蛋白質(zhì)與蛋白質(zhì)相

7、互作用預(yù)測的精度。 5.建立了基于粒子群優(yōu)化算法與支持向量機(jī)相耦合的建模方法。針對粒子群優(yōu)化算法中群體多樣性降低導(dǎo)致“早熟”的現(xiàn)象，將遺傳算法的變異思想引入到粒子群優(yōu)化算法中，并將改進(jìn)的雜交粒子群優(yōu)化算法與支持向量機(jī)耦合進(jìn)行定量結(jié)構(gòu)活性關(guān)系研究。改進(jìn)的連續(xù)和離散粒子群優(yōu)化算法分別用于優(yōu)化輸入支持向量機(jī)的分子結(jié)構(gòu)描述符子集和核參數(shù)。對具有細(xì)胞凋亡誘導(dǎo)活性的4-芳基—4H—苯并吡喃類衍生物進(jìn)行了jackknife交叉驗(yàn)證，相關(guān)系數(shù)平