基于密度聚類和特征分類的蛋白質(zhì)相互作用熱區(qū)預(yù)測.pdf

1、蛋白質(zhì)功能由蛋白質(zhì)相互作用進(jìn)行表達(dá)，蛋白質(zhì)與蛋白質(zhì)相互作用的界面上并非所有的殘基都是重要的，有時(shí)只有少數(shù)幾個(gè)殘基對(duì)蛋白質(zhì)的結(jié)合起著關(guān)鍵的作用，這些起關(guān)鍵作用的殘基稱為熱點(diǎn)殘基。大量實(shí)驗(yàn)表明，熱點(diǎn)殘基在蛋白質(zhì)與蛋白質(zhì)相互作用中會(huì)形成一種特定的構(gòu)象，該構(gòu)象稱為熱區(qū)。熱區(qū)具有穩(wěn)定并協(xié)調(diào)蛋白質(zhì)與蛋白質(zhì)相互作用的功能，熱區(qū)的發(fā)現(xiàn)和界定對(duì)于理解疾病的起源、生物制藥、藥物作用靶點(diǎn)等蛋白質(zhì)活動(dòng)都非常重要。
　　近年來，研究人員從實(shí)驗(yàn)角度出發(fā)，記錄

2、了一些蛋白質(zhì)相互作用的數(shù)據(jù)，但是由于蛋白質(zhì)相互作用實(shí)驗(yàn)成本高、周期長、復(fù)雜度高，實(shí)驗(yàn)數(shù)據(jù)相當(dāng)有限，因此利用計(jì)算機(jī)的方法預(yù)測蛋白質(zhì)相互作用的熱區(qū)就顯得尤為重要。本文提出一種基于密度聚類和特征分類的蛋白質(zhì)熱區(qū)預(yù)測模型，實(shí)驗(yàn)結(jié)果顯示，與其他方法相比，所提出的方法可以得到更好的預(yù)測結(jié)果。并且在熱區(qū)研究的基礎(chǔ)上，提出了一種基于序列保守性的驗(yàn)證熱區(qū)的方法。研究的主要?jiǎng)?chuàng)新點(diǎn)概括如下:
　　(1)提出了一種基于密度的增量型聚類結(jié)合特征分類的預(yù)測蛋

3、白質(zhì)相互作用熱區(qū)的方法。首先利用基于密度的增量型聚類對(duì)數(shù)據(jù)集里面的數(shù)據(jù)進(jìn)行聚類，得到多個(gè)初始的聚類簇，然后利用基于特征的分類剔除這些聚類簇中的非熱點(diǎn)殘基，從而得到最終的預(yù)測熱區(qū)。實(shí)驗(yàn)結(jié)果顯示所提出的方法可以預(yù)測出絕大多數(shù)的熱區(qū)，同時(shí)在預(yù)測熱區(qū)中熱點(diǎn)的覆蓋率也高于其他相關(guān)方法。
　　(2)提出了一種有效的特征選擇的方法。在進(jìn)行特征分類時(shí)，為了有效的選擇關(guān)鍵的生物特征，首先從蛋白質(zhì)結(jié)構(gòu)出發(fā)，提取一系列與蛋白質(zhì)相互作用相關(guān)的特征，然后通

4、過基于支持向量機(jī)的遞歸特征消除結(jié)合歸一化互信息特征選擇，利用向后特征淘汰策略得到最重要的特征和去除無關(guān)緊要的特征，從而得到一個(gè)從最重要到最無關(guān)的特征排序列表，最后通過引入F-score找到這些特征的最優(yōu)化組合。
　　(3)提出了一種基于序列保守性的熱區(qū)驗(yàn)證方法。由于生物實(shí)驗(yàn)的復(fù)雜性和長周期性，使得由生物實(shí)驗(yàn)驗(yàn)證熱區(qū)十分困難，這里提出一種基于序列保守性的熱區(qū)驗(yàn)證方法。對(duì)于熱區(qū)中的每一個(gè)熱點(diǎn)，在蛋白質(zhì)數(shù)據(jù)庫中找到形成該復(fù)合物的兩個(gè)蛋白