化學(xué)計(jì)量學(xué)方法在基因、蛋白質(zhì)序列研究中的應(yīng)用.pdf

1、基因和蛋白質(zhì)都是化合物，它們是化學(xué)計(jì)量學(xué)研究者從一開始就最感興趣的研究目標(biāo)。基因和蛋白質(zhì)的結(jié)構(gòu)和功能，蛋白質(zhì)與配體的結(jié)合過(guò)程，酶受體中反應(yīng)基質(zhì)向產(chǎn)物的轉(zhuǎn)變過(guò)程等等都是化學(xué)計(jì)量學(xué)研究的熱門問(wèn)題。近幾年來(lái)，隨著人類基因組計(jì)劃以及很多生物的基因組測(cè)序工作的完成，核酸以及蛋白質(zhì)序列的數(shù)目成倍增長(zhǎng)，呈“爆炸”之勢(shì)。當(dāng)務(wù)之急是，研發(fā)出更多的準(zhǔn)確而快速的分析工具，從如此洶涌而至的海量數(shù)據(jù)中最大限度的提取有用信息。不斷地開拓新的思路、發(fā)現(xiàn)新的分析方法、

2、工具和軟件，從而高產(chǎn)量、高精確度的分析和挖掘原始的核酸、蛋白質(zhì)序列數(shù)據(jù)是化學(xué)計(jì)量學(xué)的新的發(fā)展動(dòng)力。本文基于小波分析、系統(tǒng)聚類分析法((HCA))、支持向量機(jī)(SVM)和人工神經(jīng)網(wǎng)絡(luò)(ANN)等化學(xué)計(jì)量學(xué)技術(shù)，結(jié)合一些生物信息學(xué)的方法，以核酸和蛋白質(zhì)序列數(shù)據(jù)為對(duì)象，作了以下三個(gè)方面的研究：⑴基于完全基因組的系統(tǒng)樹構(gòu)建新方法的研究；⑵膜蛋白跨膜區(qū)域預(yù)測(cè)新方法的研究；⑶聯(lián)合多特征的基因預(yù)測(cè)新方法的研究。主要內(nèi)容如下：
　　 第一章：文

3、獻(xiàn)綜述。講述了小波分析、系統(tǒng)聚類分析法(HCA)、支持向量機(jī)(SVM)和人工神經(jīng)網(wǎng)絡(luò)(ANN)等化學(xué)計(jì)量學(xué)技術(shù)的發(fā)展簡(jiǎn)史，介紹了這些分析方法的基本數(shù)學(xué)原理，并對(duì)其應(yīng)用研究分別進(jìn)行了評(píng)述。
　　 第二章：基于完全基因組的系統(tǒng)樹構(gòu)建新方法的研究。隨著各層次生物的分類研究由形態(tài)狀轉(zhuǎn)向分子資料，分子進(jìn)化樹構(gòu)建方法的性能受到人們的日益重視。發(fā)展新的建樹方法一直是人們研究的熱點(diǎn)。本文基于小波頻率分析提取物種基因組序列的頻率特征發(fā)展了一種新的

4、推斷物種間系統(tǒng)發(fā)生關(guān)系的建樹方法。這種方法不需要任何序列聯(lián)配，并首次從頻域的角度分析了物種間的進(jìn)化關(guān)系。它基于各物種完全基因組整體特征間的比較，推斷物種間的系統(tǒng)發(fā)生關(guān)系。且計(jì)算機(jī)復(fù)雜度較低，簡(jiǎn)單快速。雖然SARS已得到有效控制，然而目前還沒(méi)有特效藥物可以有效治愈該疾病。對(duì)冠狀病毒內(nèi)部親緣關(guān)系的研究將有助于抗病毒藥物及疫苗的開發(fā)。雖然國(guó)內(nèi)外有關(guān)專家做了大量研究工作，取得了不少成果，然而由于SARS是個(gè)突如其來(lái)，威脅嚴(yán)重，又突無(wú)其蹤的一種新

5、的疾病，給研究工作帶來(lái)不少難題，至今有關(guān)SARS起源的研究仍然撲朔迷離。以11個(gè)冠狀病毒(包含SARS_CoV)作為研究對(duì)象，用它們的全基因組序列構(gòu)建了無(wú)根和有根的進(jìn)化樹，討論了SARS_CoV的起源問(wèn)題，所得結(jié)果與加拿大，美國(guó)，中國(guó)北京的SARS研究組的分類結(jié)果一致，佐證了SARS_CoV是一種新的冠狀病毒并與第二組冠狀病毒關(guān)系最近，而且增加了一些細(xì)節(jié)。另外，以冠狀病毒的多聚蛋白ORF1ab以及S、E、M、N等結(jié)構(gòu)蛋白的同源基因作為對(duì)

6、象，構(gòu)建系統(tǒng)進(jìn)化樹，更進(jìn)一步研究了冠狀病毒的內(nèi)部親緣關(guān)系和SARS-冠狀病毒的進(jìn)化路徑，所得結(jié)論將有助于抗病毒藥物及疫苗的開發(fā)。原核生物在地球上分布最廣泛，理解它們的進(jìn)化關(guān)系尤為必要。它們?cè)谌祟惤】岛徒?jīng)濟(jì)方面的影響，如同在真核生物進(jìn)化中的作用一樣重要，因此研究原核生物的進(jìn)化成為一個(gè)特別引人注目的課題。然而，原核生物的分類是生物分類學(xué)上的一大挑戰(zhàn)，傳統(tǒng)的分類因缺乏可觀察的形態(tài)學(xué)特征而變得困難。我們以4個(gè)古細(xì)菌、20個(gè)細(xì)菌和4個(gè)作參照用的真

7、核生物為例,構(gòu)建了它們的小亞基核糖體（SSU rRNA)進(jìn)化樹，與著名的卡爾.沃斯SSU rRNA生命樹，蛋白質(zhì)樹和別的基于全基因組方法的進(jìn)化樹，以及最近2005年的Bergey’s細(xì)菌系統(tǒng)分類手冊(cè)的分類作比較，不僅為我們提出的方法提供了佐證，而且增加了一些細(xì)節(jié)。
　　 第三章：基于小波變換的膜蛋白的跨膜區(qū)域預(yù)測(cè)研究。膜蛋白是一類嵌在生物膜中的蛋白質(zhì)，在細(xì)胞中具有重要的生物功能，它們構(gòu)成了各種神經(jīng)信號(hào)分子、激素和受體，是各種離子

8、跨膜的通道，也是許多藥物分子的靶點(diǎn)。然而，膜蛋白與生物膜的穩(wěn)定構(gòu)象非常不利于用X光晶體衍射方法和核磁共振技術(shù)測(cè)定其三維結(jié)構(gòu)，目前僅有少數(shù)膜蛋白的結(jié)構(gòu)已知。因此，設(shè)計(jì)準(zhǔn)確、高效的預(yù)測(cè)膜蛋白結(jié)構(gòu)的方法成為生物信息學(xué)中重要的研究課題。以多尺度morlet連續(xù)小波變換為基礎(chǔ)，提出了一種用于預(yù)測(cè)膜蛋白跨膜序列的方法(連續(xù)小波變換極大值譜(MSCWT))。該法對(duì)重要的8種SARS-CoV膜蛋白的預(yù)測(cè)準(zhǔn)確度與常用膜蛋白預(yù)測(cè)軟件Tmpred相當(dāng)，對(duì)Mp

9、topo膜蛋白數(shù)據(jù)庫(kù)中131種新的已知結(jié)構(gòu)的螺旋束蛋白(共包含548個(gè)跨膜區(qū))的預(yù)測(cè)顯示：其跨膜螺旋區(qū)預(yù)測(cè)準(zhǔn)確率為91.6％，膜蛋白序列的預(yù)測(cè)準(zhǔn)確率為89.3％。實(shí)驗(yàn)結(jié)果顯示本文所述的方法能夠快速準(zhǔn)確地預(yù)測(cè)跨膜區(qū)的位置和數(shù)量，其有望成為研究膜蛋白的一種有力的新工具。用連續(xù)小波變換極大值譜(MSCWT)預(yù)測(cè)膜蛋白跨膜區(qū)，它可準(zhǔn)確預(yù)測(cè)跨膜區(qū)段的起始和終止位點(diǎn)等信息，還可用于進(jìn)一步分析單一肽鏈上其它更細(xì)微的結(jié)構(gòu)。但由于圖譜中有相當(dāng)多“毛刺”，

10、非常不便于觀察跨膜信號(hào)峰，妨礙了對(duì)跨膜區(qū)域的發(fā)現(xiàn)。因此我們又開發(fā)了一種新的用于預(yù)測(cè)膜蛋白跨膜區(qū)的波譜技術(shù)：連續(xù)小波變換加和譜（SSCWT）。這種方法在很大程度上加強(qiáng)了跨膜信號(hào)峰。SSCWT圖譜中跨膜信號(hào)峰明顯、清晰且無(wú)毛刺，有利于大規(guī)?？焖兕A(yù)測(cè)跨膜蛋白結(jié)構(gòu)。將這種預(yù)測(cè)方法應(yīng)用于120條膜蛋白序列(共包含537個(gè)跨膜區(qū))結(jié)構(gòu)的預(yù)測(cè)，并將實(shí)驗(yàn)結(jié)果同網(wǎng)上通用的膜蛋白預(yù)測(cè)軟件Tmpred和DAS的預(yù)測(cè)結(jié)果加以比較，證明了它具有相當(dāng)高的準(zhǔn)確性。<

11、br>　　 第四章：聯(lián)合多特征的基因預(yù)測(cè)算法研究?？煽款A(yù)測(cè)DNA序列中的基因是基因組工程的重要任務(wù)之一。生物學(xué)家研究發(fā)現(xiàn)DNA序列中得基因具有某些特殊的特征?，F(xiàn)存的基因預(yù)測(cè)算法很多都只是根據(jù)基因的一種特征設(shè)計(jì)預(yù)測(cè)的。本文計(jì)算了基因編碼區(qū)具備的四個(gè)特征：三周期性、堿基相位偏移特征、高GC含量特性和基于張春庭院士課題組提出的Z曲線特征。分別發(fā)展了基因區(qū)域識(shí)別的BP神經(jīng)網(wǎng)絡(luò)分類模型、概率神經(jīng)網(wǎng)絡(luò)分類模型和基于支持向量機(jī)（SVM）的分類模型，