基于多信息融合的蛋白質(zhì)結(jié)構(gòu)類預(yù)測方法研究.pdf

1、隨著測序技術(shù)的發(fā)展，蛋白質(zhì)序列數(shù)據(jù)庫呈指數(shù)增長，而與之對應(yīng)的蛋白質(zhì)結(jié)構(gòu)與功能數(shù)據(jù)庫的增速卻不成比例。盡管我們可以通過實驗方法來確定蛋白質(zhì)的結(jié)構(gòu)和功能，但該方法費時費力，無法滿足日益增長的蛋白質(zhì)序列數(shù)據(jù)的要求。因此，我們亟需探索理論計算方法來研究蛋白質(zhì)序列、結(jié)構(gòu)及功能之間的關(guān)系。蛋白質(zhì)結(jié)構(gòu)類型不僅能夠集中反映蛋白質(zhì)高級結(jié)構(gòu)中基本原件的分布情況，還可以反映蛋白質(zhì)的高級結(jié)構(gòu)與功能，因此，蛋白質(zhì)結(jié)構(gòu)類的研究是蛋白質(zhì)高級結(jié)構(gòu)與功能研究的基礎(chǔ)，對蛋

2、白質(zhì)組學(xué)研究具有重要意義。本文以蛋白質(zhì)結(jié)構(gòu)類預(yù)測方法為研究對象，主要研究內(nèi)容如下：
　　首先，本文詳細(xì)地綜述了包含成分信息、物化信息和結(jié)構(gòu)信息的特征提取方法，并對SVM、神經(jīng)網(wǎng)絡(luò)和K-NN三類常用的機器學(xué)習(xí)算法進(jìn)行詳細(xì)介紹。特征提取和分類算法是蛋白質(zhì)結(jié)構(gòu)類預(yù)測算法的兩個重要環(huán)節(jié)。上述綜述本文的研究提供了理論基礎(chǔ)和應(yīng)用前提。
　　其次，本文基于替換矩陣和排名算法，將20種氨基酸聚類成9個無重疊子集，實現(xiàn)氨基酸的約化處理，減少計

3、算復(fù)雜度；根據(jù)氨基酸分布的隨機性，定義位置分布函數(shù)，分析其概率分布，通過計算其數(shù)值特征描述約化氨基酸的位置分布信息；結(jié)合11種蛋白質(zhì)二級結(jié)構(gòu)序列特征，本文提出了一種基于生物序列與結(jié)構(gòu)特征的蛋白質(zhì)結(jié)構(gòu)類預(yù)測算法。本文選取了4個標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行實驗，結(jié)果發(fā)現(xiàn)本文方法可較好地預(yù)測不同蛋白質(zhì)結(jié)構(gòu)類別，其整體準(zhǔn)確率可達(dá)84.6％-95.7％，比目前最優(yōu)方法高出1.4％-6.1％。通過定量分析發(fā)現(xiàn)，位置特征的表現(xiàn)優(yōu)于序列信息，但二者又是彼此互補，因此

4、，融合兩類信息是提高蛋白質(zhì)結(jié)構(gòu)類型預(yù)測準(zhǔn)確率的一種有效方法。
　　最后，本文基于PSI-BLAST profile，獲取包含進(jìn)行信息PSSM矩陣，設(shè)計最大信息保留算法，約化PSSM矩陣，并通過自協(xié)方差變換提取蛋白質(zhì)進(jìn)化信息；結(jié)合二級結(jié)構(gòu)位置分布特征，我們提出了一種基于簡化PSSM與結(jié)構(gòu)位置信息的蛋白質(zhì)結(jié)構(gòu)類預(yù)測方法。本文以準(zhǔn)確率為評價指標(biāo)，系統(tǒng)地比較了不同約化類和位置間隔個數(shù)對預(yù)測模型的影響。結(jié)果表明，預(yù)測準(zhǔn)確度隨著約化類增加而增