蛋白質(zhì)序列特征提取及其在亞細(xì)胞定位中的應(yīng)用.pdf

1、隨著人類基因組測(cè)序的完成，蛋白質(zhì)序列信息爆炸性增長(zhǎng)，大量蛋白質(zhì)序列涌入生物數(shù)據(jù)庫(kù)，序列已知的蛋白質(zhì)與功能已知的蛋白質(zhì)之間產(chǎn)生的差距越來(lái)越大，在這種不平衡的局面下，嚴(yán)重制約了蛋白質(zhì)組的研究以及新藥物的開發(fā)。蛋白質(zhì)功能與亞細(xì)胞定位有著非常密切的聯(lián)系，蛋白質(zhì)必須在特定的亞細(xì)胞中才能發(fā)揮其正常的功能，蛋白質(zhì)亞細(xì)胞定位信息可以為蛋白質(zhì)功能預(yù)測(cè)提供有用的線索，因此蛋白質(zhì)亞細(xì)胞定位的研究已成為蛋白質(zhì)組學(xué)中的一個(gè)重要研究領(lǐng)域。蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)的核心

2、步驟是特征提取與分類，本課題主要對(duì)蛋白質(zhì)亞細(xì)胞定位中的序列特征編碼方法以及分類算法的設(shè)計(jì)進(jìn)行研究，主要工作包括以下兩點(diǎn):
　　 (1)本文提出了一種新的序列特征提取方法，該方法可以包含更多的序列特征信息。通過(guò)序列特征提取，將蛋白質(zhì)序列轉(zhuǎn)化為一個(gè)232維的數(shù)值向量，其中包含有:20維傳統(tǒng)氨基酸組成信息;20維氨基酸殘基位置信息，即用數(shù)值向量將二十種氨基酸在序列中的位置信息表示出來(lái);192維氨基酸殘基順序信息，由于直接用三聯(lián)體提取氨

3、基酸的順序信息將會(huì)帶來(lái)維數(shù)災(zāi)難，本文將氨基酸用其對(duì)應(yīng)的密碼子表示，并將密碼子轉(zhuǎn)置來(lái)替換蛋白質(zhì)序列中的每個(gè)氨基酸殘基，通過(guò)這種替換，蛋白質(zhì)序列可以用三條RNA序列表示，計(jì)算三條RNA序列中三聯(lián)體出現(xiàn)的頻率從而反映出蛋白質(zhì)序列中的順序信息。利用最近鄰分類算法，在兩個(gè)標(biāo)準(zhǔn)蛋白質(zhì)數(shù)據(jù)集上進(jìn)行亞細(xì)胞定位測(cè)試，得到了較好的實(shí)驗(yàn)結(jié)果。
　　 (2)為了進(jìn)一步挖掘序列特征信息，本文基于偽氨基酸組成思想，提出一種新的偽氨基酸組成編碼方法。該方法充