從頭預測氨基酸相互作用及其在蛋白質三維結構建模中的應用研究.pdf

1、蛋白質作為生命活動的物質基礎，在生物體的各種細胞過程中起著十分重要的作用。研究顯示，蛋白質的功能和其空間結構是緊密相聯(lián)的。因此，如果解出了蛋白質的三維結構，將有助于了解它的生物功能，然后進一步指導藥物設計。近些年來，盡管通過實驗方法解出結構的數(shù)量在不斷地增加，但是已知蛋白質序列的數(shù)量和蛋白質結構的數(shù)量之間的差距也在不停地變大。幸運的是，隨著機器學習和數(shù)據(jù)挖掘技術的快速發(fā)展，利用計算的方法直接從蛋白質序列預測出其結構已成為一種流行的方法。

2、
　　在蛋白質結構預測領域內，現(xiàn)有的方法通?？梢詣澐譃槿悾和唇５姆椒ā⒄郫B識別的方法和從頭預測的方法。對于第一類和第三類方法，都有一個挑戰(zhàn)性的問題，就是如何得到蛋白質序列中氨基酸之間的關聯(lián)信息，而這些信息將被用作蛋白質三維結構建模的限制條件。在同源建模的方法中，氨基酸相互作用信息大多來源于蛋白質結構數(shù)據(jù)庫（PDB）中的同源結構；而在從頭預測的方法中，氨基酸相互作用信息主要來源于基于序列的預測結果。顯然，當沒有找到合適的同源結

3、構時，采用計算方法預測出來的結果將更加精確。
　　在最近的幾十年里，人們提出了很多種預測氨基酸相互作用的方法。然而，預測精度并不能令人滿意。本文從蛋白質序列出發(fā)，利用機器學習的技術來預測氨基酸相互作用，并結合序列比對的方法實現(xiàn)了相互作用的準確預測，再將預測到的相互作用信息作為限制條件進行蛋白質三維結構建模。實驗結果表明，預測到的相互作用信息在三維結構建模中是有效的，也因此提高了蛋白質結構預測的精確度。具體來說，本文解決了蛋白質結構

4、預測中的兩個問題：（1）跨膜螺旋（TMH）之間氨基酸相互作用的預測；（2）二硫鍵連接模式的預測。
　　對于TMH之間氨基酸相互作用的預測，本文提出了一種融合機器學習和共變異分析的新方法。這里，我們用偏相關性分析來計算共變異分數(shù)，而機器學習模塊是由集成分類器來實現(xiàn)。在此項工作中，共變異分數(shù)首次在決策層融合。實驗證明，這兩種方法具有高度互補性，因而大幅提高了預測精度，比現(xiàn)有最好的方法要高12.5％。
　　對于二硫鍵連接模式的預測