蛋白質(zhì)的β-發(fā)夾、β（γ）-轉(zhuǎn)角及四類簡(jiǎn)單超二級(jí)結(jié)構(gòu)預(yù)測(cè).pdf

1、由于蛋白質(zhì)的功能與其結(jié)構(gòu)是密切相關(guān)的,因此研究蛋白質(zhì)的結(jié)構(gòu)是獲取功能信息的重要手段。隨著人類基因組計(jì)劃的順利實(shí)施,蛋白質(zhì)序列信息的積累速度遠(yuǎn)快于蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)的增長(zhǎng)速度。然而,通過實(shí)驗(yàn)手段確定蛋白質(zhì)的結(jié)構(gòu),不但成本高、耗時(shí),而且實(shí)驗(yàn)中還會(huì)遇到一些目前無法解決的技術(shù)困難,因此人們非常希望能利用理論計(jì)算的方法直接從序列信息預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu),這也是生物信息學(xué)研究的重要課題。 目前,直接從序列信息預(yù)測(cè)蛋白質(zhì)的三級(jí)結(jié)構(gòu)還很困難。由于局域結(jié)構(gòu)

2、有著較強(qiáng)的序列信號(hào),且在三級(jí)結(jié)構(gòu)中大量存在、頻繁出現(xiàn),對(duì)蛋白質(zhì)的折疊、識(shí)別和穩(wěn)定性起重要作用,因此,局域結(jié)構(gòu)的預(yù)測(cè)可以簡(jiǎn)化結(jié)構(gòu)預(yù)測(cè)問題,是蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)重要的中間步驟。 本文主要研究蛋白質(zhì)局域結(jié)構(gòu)中超二級(jí)結(jié)構(gòu)的預(yù)測(cè),重點(diǎn)研究β-發(fā)夾模體的預(yù)測(cè)；研究了部分規(guī)則二級(jí)結(jié)構(gòu)中β-轉(zhuǎn)角和γ-轉(zhuǎn)角的預(yù)測(cè)。 1.提出了一種新的預(yù)測(cè)算法-基于離散增量的支持向量機(jī)算法,用該算法首次對(duì)超二級(jí)結(jié)構(gòu)數(shù)據(jù)庫(ArchDB40)中β-發(fā)夾模體進(jìn)

3、行了預(yù)測(cè),取得較好效果。 2.利用離散增量和序列打分值構(gòu)成的向量來表示序列信息,將離散增量和打分值作為向量輸入支持向量機(jī),在向量空間中尋找最優(yōu)超平面,提出了一種新的組合向量預(yù)測(cè)算法。該算法首次應(yīng)用于β-發(fā)夾模體的預(yù)測(cè),對(duì)ArchDB40超二級(jí)結(jié)構(gòu)數(shù)據(jù)庫中β-發(fā)夾數(shù)據(jù)集和文獻(xiàn)(Kumar and Bhasin,Nucleic Acids Research,2005,33:154-159)中已有的β-發(fā)夾數(shù)據(jù)集的預(yù)測(cè)結(jié)果顯示,我們的

4、算法可以實(shí)現(xiàn)比以往方法更高的預(yù)測(cè)成功率。與文獻(xiàn)中已有數(shù)據(jù)集的預(yù)測(cè)結(jié)果相比,對(duì)獨(dú)立的檢驗(yàn)集預(yù)測(cè)精度提高4％,β-發(fā)夾的敏感性提高6％。另外,將這種算法首次用于ArchDB40數(shù)據(jù)庫中的四類簡(jiǎn)單超二級(jí)結(jié)構(gòu)分類,無論是對(duì)5-交叉檢驗(yàn)的訓(xùn)練集,還是對(duì)獨(dú)立的檢驗(yàn)集都取得較好分類結(jié)果。 3.在離散增量和序列打分值的基礎(chǔ)上,進(jìn)一步把預(yù)測(cè)的二級(jí)結(jié)構(gòu)信息加入組合向量,將它們共同輸入支持向量機(jī),對(duì)普遍使用的,分別包含426個(gè)和320個(gè)蛋白質(zhì)序列的兩

5、數(shù)據(jù)集中的部分規(guī)則二級(jí)結(jié)構(gòu)β-轉(zhuǎn)角和γ-轉(zhuǎn)角進(jìn)行了預(yù)測(cè)。結(jié)果指出,對(duì)β-轉(zhuǎn)角的7-交叉檢驗(yàn)預(yù)測(cè)精度達(dá)到79.8％、相關(guān)系數(shù)為0.47;對(duì)γ-轉(zhuǎn)角5-交叉檢驗(yàn)預(yù)測(cè)的相關(guān)系數(shù)達(dá)到了0.18,這些結(jié)果都是目前最好的預(yù)測(cè)結(jié)果。 4.建立了一個(gè)新的包括2208個(gè)非冗余蛋白質(zhì)鏈的數(shù)據(jù)庫,蛋白質(zhì)結(jié)構(gòu)分辨率高于2.5(A°),序列相似性小于40％。得到α-α模體6799個(gè),α-β模體6711個(gè),β-α模體6072個(gè)和β-β模體8163個(gè),首次將

6、最小離散增量算法用于蛋白質(zhì)四類簡(jiǎn)單超二級(jí)結(jié)構(gòu)預(yù)測(cè),當(dāng)序列模式固定長(zhǎng)取8個(gè)氨基酸殘基,對(duì)“822型”序列模式3-交叉檢驗(yàn)的平均預(yù)測(cè)精度達(dá)到78％,Jack-knife檢驗(yàn)的平均預(yù)測(cè)精度達(dá)到76.8％；當(dāng)序列模式固定長(zhǎng)取10個(gè)氨基酸殘基,對(duì)“1041型”序列模式3-交叉檢驗(yàn)的平均預(yù)測(cè)精度達(dá)到83％,Jack-knife檢驗(yàn)的平均預(yù)測(cè)精度達(dá)到79.8％。 5.在蛋白質(zhì)簡(jiǎn)單超二級(jí)結(jié)構(gòu)分類預(yù)測(cè)、β-發(fā)夾預(yù)測(cè)、β-轉(zhuǎn)角預(yù)測(cè)及γ-轉(zhuǎn)角的預(yù)測(cè)工