基于Markov邏輯網(wǎng)的蛋白質(zhì)關(guān)聯(lián)預(yù)測(cè)研究.pdf

1、蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)是生物信息學(xué)上的一大挑戰(zhàn)，至今為止還沒有好的方法能夠獲得期望的預(yù)測(cè)效果。利用從頭預(yù)測(cè)方法對(duì)蛋白質(zhì)三級(jí)結(jié)構(gòu)進(jìn)行預(yù)測(cè)的過程中，如果能夠獲取到蛋白質(zhì)關(guān)聯(lián)的信息，可以在很大程度上提高預(yù)測(cè)的精度，因此精確的蛋白質(zhì)關(guān)聯(lián)預(yù)測(cè)在三級(jí)結(jié)構(gòu)預(yù)測(cè)中起著非常重要的作用。
　　 在同一個(gè)蛋白質(zhì)中，蛋白質(zhì)殘基之間的關(guān)聯(lián)并不是相互獨(dú)立的，而對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，它們要求樣本實(shí)例相互獨(dú)立并符合一致性分布，所以這一類方法不能很好的解決蛋白質(zhì)關(guān)

2、聯(lián)預(yù)測(cè)問題。于此同時(shí)，蛋白質(zhì)關(guān)聯(lián)往往受很強(qiáng)的規(guī)則的約束，很多的規(guī)則都是先驗(yàn)的?；谝陨锨闆r，本文提出來一種基于統(tǒng)計(jì)關(guān)系學(xué)習(xí)框架的方法-Markov邏輯網(wǎng)對(duì)蛋白質(zhì)關(guān)聯(lián)進(jìn)行預(yù)測(cè)，該方法能夠克服傳統(tǒng)機(jī)器學(xué)習(xí)對(duì)獨(dú)立一致性的要求，并能夠很好的利用蛋白質(zhì)關(guān)聯(lián)中的約束規(guī)則，通過利用基于權(quán)值的邏輯語言規(guī)則來表達(dá)蛋白質(zhì)關(guān)聯(lián)的領(lǐng)域知識(shí)，使問題得到很好的解決。本文的主要研究工作如下：
　　 ①對(duì)蛋白質(zhì)關(guān)聯(lián)預(yù)測(cè)進(jìn)行了全面綜述。介紹了蛋白質(zhì)關(guān)聯(lián)預(yù)測(cè)產(chǎn)生背

3、景，研究現(xiàn)狀和研究意義，并重點(diǎn)分析了蛋白質(zhì)關(guān)聯(lián)圖中包含的蛋白質(zhì)三級(jí)結(jié)構(gòu)信息。
　　 ②對(duì)統(tǒng)計(jì)關(guān)系學(xué)習(xí)和Markov邏輯網(wǎng)相關(guān)理論進(jìn)行了全面的綜述。介紹了Markov邏輯網(wǎng)的概念與特性，并針對(duì)Markov邏輯網(wǎng)的學(xué)習(xí)和推理算法進(jìn)行相關(guān)的討論。
　　 ⑨對(duì)蛋白質(zhì)關(guān)聯(lián)預(yù)測(cè)中使用的數(shù)據(jù)進(jìn)行介紹，對(duì)預(yù)測(cè)中所使用的蛋白質(zhì)特征信息進(jìn)行具體的分析，以此來達(dá)到提高關(guān)聯(lián)預(yù)測(cè)精度的目的。
　　 ④從蛋白質(zhì)的空間物理結(jié)構(gòu)以及生化特性上對(duì)

4、蛋白質(zhì)關(guān)聯(lián)規(guī)則進(jìn)行了具體而深入的研究，抽取出蛋白質(zhì)關(guān)聯(lián)的一系列規(guī)則，對(duì)每一條關(guān)聯(lián)規(guī)則進(jìn)行了具體的闡述，并構(gòu)造出其在Markov邏輯網(wǎng)中對(duì)應(yīng)的謂詞公式。
　　 ⑤將Markov邏輯網(wǎng)應(yīng)用到蛋白質(zhì)的關(guān)聯(lián)預(yù)測(cè)中，研究并實(shí)現(xiàn)了利用該方法對(duì)蛋白質(zhì)關(guān)聯(lián)的預(yù)測(cè)，并對(duì)實(shí)驗(yàn)進(jìn)行了具體的分析。
　　 實(shí)驗(yàn)結(jié)果表明，基于Markov邏輯網(wǎng)的蛋白質(zhì)關(guān)聯(lián)預(yù)測(cè)能夠取得相對(duì)于其他預(yù)測(cè)方法更好的效果，與當(dāng)前預(yù)測(cè)效果最好之一的BetaPro預(yù)測(cè)比較，預(yù)測(cè)