基于集成智能的膜蛋白受體結(jié)構(gòu)與功能研究.pdf

1、蛋白質(zhì)是生命的物質(zhì)基礎(chǔ)，凡乎任何生物過程都與蛋白質(zhì)發(fā)生某種聯(lián)系。目前蛋白質(zhì)序列數(shù)量的激增，急需要開發(fā)快速、準確的計算工具預測蛋白質(zhì)的功能。因此，在蛋白質(zhì)組學方面，生物信息學也得到很大發(fā)展，很多智能算法和服務器都已經(jīng)得到開發(fā)和利用;然而在膜蛋白領(lǐng)域，由于其結(jié)構(gòu)和定位的復雜性，對其功能和結(jié)構(gòu)的研究仍是剛剛興起。膜蛋白受體是一種特殊的跨膜蛋白，也是跨膜蛋白家族的最大類。作為外界信號的傳輸接受者和內(nèi)在生物信號的傳輸者，具有重要的研究意義。本論文

2、借助集成智能的方法，對膜蛋白受體的結(jié)構(gòu)類、膜蛋白受體相互作用、膜蛋白受體與藥物結(jié)合的網(wǎng)絡以及與膜蛋白受體功能相關(guān)的凋謝蛋白亞細胞定位、膜蛋白受體信號傳導決定的轉(zhuǎn)錄調(diào)節(jié)蛋白協(xié)同調(diào)控和網(wǎng)絡等幾個方面進行研究。主要歸納如下:
　　 在膜蛋白受體結(jié)構(gòu)類預測的研究中，以最典型的膜蛋白受體G蛋白偶聯(lián)受體為例，利用蛋白質(zhì)一階簽名模型構(gòu)造了一個4200維向量，并基于離散二進制粒子群算法提取序列的特征;利用集成模糊K近鄰分類器用于膜蛋白受體結(jié)構(gòu)類

3、的預測。訓練集來自國際通用數(shù)據(jù)庫GPCRDB。測試結(jié)果表明了本論文方法的可行性和實用性。最后構(gòu)建了在線的Web服務器，可供生物學背景的研究者查詢和使用。
　　 在膜蛋白受體相互作用的研究中，以G蛋白偶聯(lián)受體及其靶標蛋白G蛋白為樣本，利用自適應免疫算法優(yōu)化了集成分類器的權(quán)重，提出了改進型集成分類器LogitBoost，用于膜蛋白受體及其靶標膜蛋白偶聯(lián)預測的研究。數(shù)據(jù)集來自國際通用數(shù)據(jù)庫GRIFFN，測試結(jié)果論證了方法的可行性。

4、r>　　 在膜蛋白受體與藥物結(jié)合的網(wǎng)絡的研究中，提出基于集成半監(jiān)督學習方法的SemiBoost分類器，結(jié)合復雜網(wǎng)絡特性對三種膜蛋白受體及細胞核受體與藥物的相互作用網(wǎng)絡的連接情況進行了預測和分析，并在國際通用的數(shù)據(jù)庫KEGG和SuperTarget上進行了驗證。
　　 在膜蛋白受體功能相關(guān)的凋謝蛋白亞細胞定位中，集成氨基酸化學特性疏水和氨基酸序列的近似熵，構(gòu)造了一個30維的改進型偽氨基酸向量模型，利用免疫遺傳算法優(yōu)化了該模型，提

5、出了集成分類器AdaBoost用于預測膜蛋白受體重點參與的凋謝蛋白亞細胞定位的研究。實驗結(jié)果也驗證了方法的可行性。
　　 在轉(zhuǎn)錄調(diào)節(jié)蛋白網(wǎng)絡研究中，分析了由膜蛋白受體傳遞信號影響的轉(zhuǎn)錄調(diào)節(jié)蛋白的協(xié)同調(diào)控特性，提出了一種集成偏相關(guān)系數(shù)算法(PCIT)和調(diào)控影響參數(shù)(RIF)的蛋白質(zhì)網(wǎng)絡構(gòu)建算法，并用于構(gòu)建和優(yōu)化轉(zhuǎn)錄調(diào)節(jié)蛋白網(wǎng)絡;開發(fā)了一種協(xié)同調(diào)控模擬算法;利用網(wǎng)絡集成熵和復雜網(wǎng)絡理論分析了網(wǎng)絡的特性，使用了澳大利亞聯(lián)邦科工組織的牛