結(jié)核分枝桿菌分泌蛋白的預(yù)測研究.pdf

1、結(jié)核分枝桿菌，簡稱結(jié)核桿菌，是一種輕度彎曲的細(xì)桿狀嗜氧菌，在細(xì)胞壁脂質(zhì)層和莢膜的雙重保護(hù)下，對外界環(huán)境很不敏感，被證明是結(jié)核病的元兇。我國的結(jié)核病形勢向來嚴(yán)峻，尤以肺結(jié)核最為嚴(yán)重，每年有約上百萬死亡病例。肺結(jié)核是一種慢性的呼吸道傳染病，早期無明顯癥狀，病程漫長，極易在人群中流行而難于控制。由于結(jié)核桿菌的膜結(jié)構(gòu)復(fù)雜，點突變頻發(fā)，上百年來無數(shù)醫(yī)藥學(xué)家致力于結(jié)核分枝桿菌的分子結(jié)構(gòu)和毒性研究，以及結(jié)核病的病理研究，但至今尚無能夠徹底防治該病的臨

2、床藥物。最近研究發(fā)現(xiàn)，其分泌蛋白具有抗原性，根據(jù)抗原與抗體發(fā)生特異性結(jié)合的性質(zhì)，可通過識別分泌蛋白來獲取抗體，從而為疫苗研發(fā)和新藥設(shè)計提供有價值的線索。本文開發(fā)了一種用于識別結(jié)核分枝桿菌的分泌蛋白的預(yù)測算法，并提供在線服務(wù)。
　　首先，我們構(gòu)建了結(jié)核分枝桿菌蛋白質(zhì)的標(biāo)準(zhǔn)數(shù)據(jù)集。數(shù)據(jù)源自UniProt中已經(jīng)過實驗驗證的蛋白質(zhì)序列，并通過CD-HIT軟件從最大程度上去除冗余，最終獲得了分別包含35條序列和266條序列的正、負(fù)樣本集。隨

3、后，我們提取了蛋白質(zhì)序列的 g-gapped二肽組分特征和物化性質(zhì)特征，從而將每條序列編碼成其獨有的特征向量。最后，借助于支持向量機(jī)構(gòu)建和學(xué)習(xí)預(yù)測模型，并在得到最優(yōu)模型參數(shù)的基礎(chǔ)上進(jìn)行特征選擇，進(jìn)一步提高了預(yù)測模型的分類效能。
　　結(jié)果，我們將每條多肽表示成一個374-維的特征向量，其中包括9-gapped二肽特征和序列的疏水性/親水性特征，經(jīng) jackknife檢驗，用該方法預(yù)測分枝桿菌分泌蛋白的平準(zhǔn)準(zhǔn)確度為87.18％，ROC

4、曲線下面積高達(dá)0.93。為驗證模型的優(yōu)越性，本文用Weka軟件實現(xiàn)了隨機(jī)森林、貝葉斯網(wǎng)絡(luò)和徑向基函數(shù)三類有代表性的機(jī)器學(xué)習(xí)算法，在同一標(biāo)準(zhǔn)數(shù)據(jù)集上重新構(gòu)建預(yù)測模型。Jackknife檢驗再次證明，基于支持向量機(jī)的預(yù)測模型在該問題上的性能優(yōu)于其他三類模型，魯棒性強(qiáng)。為便于領(lǐng)域內(nèi)的科研人員交流和共享，特構(gòu)建界面友好的在線服務(wù)平臺 MycoSec（http://lin.uestc.edu.cn/server/MycoSec/），可免費用于非商